مستندات API

مستندات وب‌سرویس لمورا

API کاملاً سازگار با OpenAI SDK. نسخه ۵٫۱ — Base URL: https://lemura.ir/wp-json/lemuraai/v1

احراز هویت (برای هر دو وب‌سرویس) Authorization: Bearer lsk-…
وب‌سرویس هوش مصنوعی (سازگار با OpenAI) https://lemura.ir/wp-json/lemuraai/v1
سازگار با Anthropic و Claude Code https://lemura.ir/anthropic
وب‌سرویس ابزارها https://lemura.ir/public/v1
موجودی کیف پول

یک کلید و یک کیف پول برای همه: هزینهٔ هر فراخوانی (مدل‌ها، ابزارها، ویدیو) از کیف پول صاحب کلید کسر و در گزارش مصرف ثبت می‌شود. قواعد درخواست، متدها، موجودی و کدهای خطا در هر دو وب‌سرویس یکسان است.

معرفی وب‌سرویس لمورا

وب‌سرویس لمورا یک درگاه یکپارچه و سازگار با OpenAI است که با یک کلید، به صدها مدل هوش مصنوعی از OpenAI، Anthropic، Google، DeepSeek، xAI، Meta، Qwen و ... دسترسی می‌دهد. هزینه هر درخواست به تومان محاسبه و از کیف پول شما کسر می‌شود.

ویژگی‌ها

  • سازگار با کتابخانه‌های رسمی OpenAI (Python، Node.js و ...) — فقط base_url را عوض کنید.
  • چت با پشتیبانی کامل از Streaming (SSE)، تصویر ورودی (Vision) و Function Calling.
  • تولید و ویرایش تصویر، تبدیل متن به گفتار، گفتار به متن، تولید ویدیو و انیمیشن (موتور Remotion لمورا)، Embedding و Moderation — و همهٔ ابزارهای پلتفرم در وب‌سرویس ابزارها.
  • ورودی تصویر و PDF در چت (بینایی)، Files API، OCR اسناد و استخراج فیلدهای ساختاریافته.
  • جستجوی وب، استخراج محتوای صفحات و تحقیق خودکار.
  • پرداخت ریالی از کیف پول، بدون نیاز به کارت ارزی.

Base URL

texthttps://lemura.ir/wp-json/lemuraai/v1

آدرس جایگزین (معادل): https://lemura.ir/api/lemuraai/v1

شروع در سه قدم

  1. کیف پول خود را شارژ کنید.
  2. از صفحه توسعه‌دهندگان یک کلید API (با پیشوند lsk-) بسازید.
  3. اولین درخواست را بفرستید:
bashcurl https://lemura.ir/wp-json/lemuraai/v1/chat/completions \
  -H "Authorization: Bearer lsk-YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "gpt-4o-mini", "messages": [{"role": "user", "content": "سلام!"}]}'

احراز هویت

همه درخواست‌ها (به‌جز /ping) باید کلید API را در هدر Authorization ارسال کنند:

httpAuthorization: Bearer lsk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
کلید API را هرگز در کد سمت کاربر (مرورگر یا اپ موبایل منتشرشده) قرار ندهید. درخواست‌ها را از سرور خود ارسال کنید.

بررسی کلید

/meGET
bashcurl https://lemura.ir/wp-json/lemuraai/v1/me -H "Authorization: Bearer lsk-YOUR_KEY"
json{
  "object": "me",
  "user_id": 123,
  "username": "09123456789",
  "token": {"id": 7, "name": "my-app", "is_active": true, "created_at": "...", "last_used": "..."}
}

محدودیت نرخ

هر کلید حداکثر ۳۰ درخواست در دقیقه و ۳,۰۰۰ درخواست در روز. در صورت عبور، کد 429 برگردانده می‌شود.

فهرست Endpointها

عمومی و حساب

/pingGET
/meGET
/balanceGET
/usage?days=30GET

مدل‌ها

/modelsGET
/models/{model_id}GET

متن

/chat/completionsPOST
/completionsPOST
/responsesPOST

فایل، بینایی و سند

/filesPOST
/filesGET
/files/{file_id}GET
/files/{file_id}/contentGET
/files/{file_id}DELETE
/ocrPOST
/extractionPOST

تصویر، صوت و ویدیو

/images/generationsPOST
/images/editsPOST
/audio/speechPOST
/audio/transcriptionsPOST
/audio/translationsPOST
/videosPOST
/videosGET
/videos/{video_id}GET
/videos/{video_id}DELETE
/videos/{video_id}/remixPOST
/videos/{video_id}/contentGET

وب

/web-searchPOST
/web-scrapePOST
/researchPOST

بردار و ایمنی

/embeddingsPOST
/moderationsPOST

پایگاه دانش و RAG

/rag/collectionsGET
/rag/collectionsPOST
/rag/collections/{name}DELETE
/rag/collections/{name}/documentsPOST
/rag/collections/{name}/documentsGET
/rag/collections/{name}/documents/{doc_id}DELETE
/rag/collections/{name}/searchPOST
/rag/collections/{name}/queryPOST
/rag/searchPOST
/rag/queryPOST

چت (Chat Completions)

/chat/completionsPOST

دقیقاً مطابق OpenAI. پارامترهای اصلی:

  • model (الزامی) — شناسه مدل، مثل gpt-4o، claude-sonnet-4-5، gemini-2.5-flash، deepseek-chat.
  • messages (الزامی) — آرایه پیام‌ها با نقش‌های system، user، assistant، tool.
  • stream — با true پاسخ به‌صورت SSE ارسال می‌شود.
  • temperature، max_tokens، max_completion_tokens، top_p، stop، tools، tool_choice، response_format، seed، reasoning_effort و n.
  • پیشرفته: parallel_tool_calls، prediction (خروجی پیش‌بینی‌شده برای بازنویسی سریع فایل)، service_tier (default یا flex برای کارهای غیرفوری، در مدل‌های پشتیبان)، prompt_cache_key، safety_identifier، verbosity، logprobs/top_logprobs، store و metadata.
سقف توکن و مدل‌های استدلالی: در مدل‌های reasoning، max_tokens/max_completion_tokens کل تولید (استدلال پنهان + متن) را محدود می‌کند و سهمی برای متن قابل‌مشاهده رزرو نمی‌کند. اگر بودجه پیش از تولید متن تمام شود، پاسخ هدر X-Lemura-Finish: length_empty دارد (در Responses: max_output_tokens_empty)؛ این پاسخ را قابل استفاده فرض نکنید و با سقف بزرگ‌تر یا reasoning_effort: "low" دوباره بفرستید. هدر X-Lemura-Upstream-Request-Id شناسهٔ درخواست بالادستی برای پیگیری است.

درخواست ساده

bashcurl https://lemura.ir/wp-json/lemuraai/v1/chat/completions \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-mini",
    "messages": [
      {"role": "system", "content": "تو یک دستیار مفید فارسی‌زبان هستی."},
      {"role": "user", "content": "سه نکته برای تمرکز بیشتر بگو"}
    ],
    "temperature": 0.7
  }'

پاسخ

json{
  "id": "chatcmpl-...",
  "object": "chat.completion",
  "model": "gpt-4o-mini",
  "choices": [{"index": 0, "message": {"role": "assistant", "content": "..."}, "finish_reason": "stop"}],
  "usage": {"prompt_tokens": 32, "completion_tokens": 120, "total_tokens": 152}
}

هزینه بر اساس usage محاسبه و از کیف پول کسر می‌شود. موجودی و هزینه‌ها را با /balance و /usage ببینید. هدرهای X-RateLimit-Limit، X-RateLimit-Remaining و X-RateLimit-Reset وضعیت محدودیت نرخ را نشان می‌دهند.

Streaming

pythonstream = client.chat.completions.create(
    model="gpt-4o-mini", stream=True,
    messages=[{"role": "user", "content": "یک داستان کوتاه بنویس"}])
for chunk in stream:
    print(chunk.choices[0].delta.content or "", end="", flush=True)

تصویر ورودی (Vision)

json{
  "model": "gpt-4o",
  "messages": [{"role": "user", "content": [
    {"type": "text", "text": "در این تصویر چه می‌بینی؟"},
    {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
  ]}]
}

Function Calling

json{
  "model": "gpt-4o-mini",
  "messages": [{"role": "user", "content": "هوای تهران چطوره؟"}],
  "tools": [{"type": "function", "function": {
    "name": "get_weather",
    "parameters": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]}
  }}]
}

Responses API

/responsesPOST

رابط جدید OpenAI برای مدل‌های استدلالی و ابزارها. ورودی می‌تواند متن ساده یا آرایه‌ای از پیام‌ها باشد.

bashcurl https://lemura.ir/wp-json/lemuraai/v1/responses \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"model": "gpt-5-mini", "input": "تفاوت هوش مصنوعی و یادگیری ماشین چیست؟"}'
pythonr = client.responses.create(model="gpt-5-mini", input="یک شعر کوتاه درباره پاییز")
print(r.output_text)

Completions (قدیمی)

/completionsPOST

برای سازگاری با کدهای قدیمی؛ پارامتر prompt به‌جای messages.

قواعد مشترک هر دو وب‌سرویس

احراز هویت

هر دو وب‌سرویس با یک کلید کار می‌کنند. کلید را در صفحهٔ «کلیدها و آمار» بسازید و در هدر هر درخواست بفرستید:

Authorization: Bearer lsk-YOUR_KEY

نحوهٔ درخواست

  • بدنهٔ درخواست‌ها JSON است با هدر Content-Type: application/json.
  • ارسال فایل با multipart/form-data (فیلد فایل؛ در ابزارها هم‌نام پارامتر و آرگومان‌های دیگر در فیلد args به‌صورت JSON).
  • پاسخ‌ها همیشه JSON با کدگذاری UTF-8 است؛ مبالغ به تومان است.
  • کارهای طولانی (ویدیو، OCR، تبدیل صوت و...) ناهمگام هستند: شناسهٔ کار برمی‌گردد و وضعیت را بعداً می‌پرسید.

متدها

متدکاربرد
GETخواندن: فهرست مدل‌ها/ابزارها، موجودی، وضعیت کار، دریافت فایل
POSTاجرا: چت، تولید تصویر/ویدیو، فراخوانی ابزار، آپلود فایل، ساخت وظیفه
DELETEحذف: فایل، ویدیو، وظیفه

موجودی کیف پول و اطلاعات حساب

موجودی و اطلاعات حساب از هر دو وب‌سرویس با پاسخ یکسان در دسترس است:

GET https://lemura.ir/wp-json/lemuraai/v1/balance
GET https://lemura.ir/public/v1/balance

GET https://lemura.ir/wp-json/lemuraai/v1/me
GET https://lemura.ir/public/v1/me
curl https://lemura.ir/public/v1/balance -H "Authorization: Bearer lsk-YOUR_KEY"

{"object": "balance", "user_id": 42, "balance": 125000, "currency": "toman", ...}

کدهای خطا

HTTPمعنی
400ورودی نامعتبر
401کلید ارسال نشده یا نامعتبر است
402موجودی کیف پول کافی نیست
403دسترسی به این مدل/ابزار مجاز نیست
404مدل، ابزار یا کار پیدا نشد
409 / 428کار هنوز آماده نیست / عملیات تغییردهنده نیاز به هدر X-Lemura-Confirm: true دارد
429عبور از سقف تعداد درخواست یا سهمیهٔ روزانه (هدرهای X-RateLimit-*)
5xxخطای موقت سرور یا سرویس بالادستی — چند ثانیه بعد دوباره تلاش کنید

تولید تصویر

/images/generationsPOST
  • model (الزامی) — مدل‌های فعال: gpt-image-2، gpt-image-1.5. قیمت‌ها
  • prompt (الزامی، حداکثر ۱۰۰۰ کاراکتر) — توصیف تصویر. برای کیفیت بهتر انگلیسی بنویسید.
  • size — مثل 1024x1024، 1024x1792، 1792x1024.
  • n — تعداد تصاویر (هزینه × n).
  • اختیاری: quality، style، background، output_format، response_format (url یا b64_json).
bashcurl https://lemura.ir/wp-json/lemuraai/v1/images/generations \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"model": "gpt-image-2", "prompt": "a cozy reading nook with warm light, watercolor", "size": "1024x1024"}'
pythonimg = client.images.generate(model="gpt-image-2", prompt="a futuristic Tehran skyline at night", size="1792x1024")
print(img.data[0].url or "base64 length: %d" % len(img.data[0].b64_json))
هزینه قبل از ارسال برآورد و بررسی می‌شود؛ اگر موجودی کافی نباشد خطای 402 برمی‌گردد.

صوت

متن به گفتار (TTS)

/audio/speechPOST

پارامترها: model (مثل gpt-4o-mini-tts، tts-1، tts-1-hd)، input (متن)، voice (مثل alloy، nova، shimmer، echo). خروجی فایل صوتی است. هزینه هر درخواست: حدود ۵۰۰ تومان (پیش از سود).

bashcurl https://lemura.ir/wp-json/lemuraai/v1/audio/speech \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"model": "gpt-4o-mini-tts", "input": "سلام، به لمورا خوش آمدید", "voice": "nova"}' \
  --output speech.mp3

گفتار به متن

/audio/transcriptionsPOST

ارسال به‌صورت multipart/form-data با فیلدهای file و model (مثل gpt-4o-transcribe، gpt-4o-mini-transcribe، whisper-1؛ فهرست به‌روز در /models). اختیاری: language، prompt، response_format، temperature.

bashcurl https://lemura.ir/wp-json/lemuraai/v1/audio/transcriptions \
  -H "Authorization: Bearer lsk-YOUR_KEY" \
  -F file=@voice.mp3 -F model=whisper-1 -F language=fa

ترجمه گفتار به انگلیسی

/audio/translationsPOST

مانند transcriptions، با مدل whisper-1؛ خروجی متن انگلیسی است.

تولید ویدیو و انیمیشن (موتور Remotion لمورا)

همهٔ ویدیوهای لمورا با موتور انیمیشن Remotion روی سرورهای خود لمورا ساخته می‌شوند (همان ابزار animation_render در وب‌سرویس ابزارها و چت). پرامپت شما با هوش مصنوعی به صحنه‌ها (عنوان، متن، فهرست، تصویر، آمار متحرک، نمودار، ترنزیشن، تم، متن فارسی راست‌به‌چپ) تبدیل و در صف رندر ساخته می‌شود. تولید ناهمگام است: کار را بسازید، وضعیت را بپرسید و فایل را دریافت کنید.

/videosPOST
پارامترتوضیح
promptتوضیح ویدیو (فارسی یا انگلیسی) — الزامی
secondsمدت تقریبی؛ حداکثر ۳۰ ثانیه در 1080p، ۶۰ ثانیه در 720p و ۱۲۰ ثانیه در 480p
size1280x720 · 1920x1080 · 854x480 · 720x1280 · 1080x1920 · 720x720 · 1080x1080 · 1080x1350 (یا aspect: 16:9 · 9:16 · 1:1 · 4:5 و quality: 480p · 720p · 1080p)
filesاختیاری: شناسهٔ تصاویر آپلودشده (f_… از POST /public/v1/files) برای استفاده در صحنه‌ها
modelاختیاری؛ همیشه lemura-motion

هزینه: طراحی صحنه‌ها با هوش مصنوعی (مثل یک پیام چت) + رندر: پایه 800 + وزن پردازش 4.0 × واحد پردازش واقعی — حدود 2,400 تومان برای یک ویدیوی معمولی ۷۲۰p. مبلغ دقیق هر ویدیو در فیلد cost و در گزارش مصرف ثبت می‌شود.

bashcurl https://lemura.ir/wp-json/lemuraai/v1/videos   -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json"   -d '{"prompt": "ویدیوی معرفی فروشگاه قهوه: عنوان، سه مزیت، تخفیف ۲۰٪ و دعوت به خرید", "seconds": 15, "size": "720x1280"}'
json{"id": "job_8b1f…", "object": "video", "model": "lemura-motion", "status": "queued",
 "aspect": "9:16", "quality": "720p", "seconds": 15.0, "progress": 0}
/videos/{video_id}GET

وضعیت: queued، in_progress، completed (با download_url و cost) یا failed (با error).

/videos/{video_id}/contentGET

دریافت فایل MP4 پس از تکمیل (?variant=thumbnail = تصویر پوستر). از Range برای پخش پشتیبانی می‌کند.

bashcurl https://lemura.ir/wp-json/lemuraai/v1/videos/VIDEO_ID/content -H "Authorization: Bearer lsk-YOUR_KEY" --output video.mp4
/videos/{video_id}/remixPOST

ساخت نسخهٔ تازه از روی همان طرح با یک دستور تغییر: {"prompt": "رنگ‌ها را تیره‌تر کن و یک صحنهٔ آمار اضافه کن"}.

/videosGET
/videos/{video_id}DELETE

برای کنترل کامل صحنه‌ها (بدون طراحی خودکار) از ابزار POST /public/v1/tools/animation_render و برای کد React دلخواه از animation_code استفاده کنید — همان موتور و همان تعرفه.

جستجو و تحقیق وب

جستجوی وب با پاسخ هوشمند

/web-searchPOST

ارسال query (یا messages) و مدل جستجو (پیش‌فرض gpt-4o-search-preview). پارامتر search_context_size: low، medium یا high (هزینه بیشتر، منابع بیشتر).

bashcurl https://lemura.ir/wp-json/lemuraai/v1/web-search \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"query": "آخرین اخبار هوش مصنوعی این هفته", "search_context_size": "medium"}'

استخراج محتوای صفحه

/web-scrapePOST

url یا آرایه urls؛ اختیاری max_chars_per_url (۵۰۰ تا ۵۰٬۰۰۰). خروجی متن تمیزشده هر صفحه است.

json{"urls": ["https://example.com/article"], "max_chars_per_url": 8000}

تحقیق خودکار

/researchPOST

query (یا topic)؛ اختیاری model و max_results. گزارشی جمع‌بندی‌شده با منابع برمی‌گرداند.

Embedding و Moderation

/embeddingsPOST

تبدیل متن به بردار برای جستجوی معنایی و RAG. مدل‌ها: text-embedding-3-small، text-embedding-3-large، text-embedding-ada-002. هزینه: حدود ۲۰ تومان به ازای هر ۱۰۰۰ توکن.

pythone = client.embeddings.create(model="text-embedding-3-small", input=["سلام دنیا", "hello world"])
print(len(e.data[0].embedding))
/moderationsPOST

بررسی محتوای نامناسب. مدل پیش‌فرض omni-moderation-latest؛ فیلد input الزامی است.

json{"model": "omni-moderation-latest", "input": "متنی برای بررسی"}

موجودی

/balanceGET
bashcurl https://lemura.ir/wp-json/lemuraai/v1/balance -H "Authorization: Bearer lsk-YOUR_KEY"
json{
  "object": "balance",
  "user_id": 123,
  "balance": 152000,
  "currency": "toman",
  "token_info": {"id": 7, "name": "my-app", "total_requests": 420, "total_tokens_used": 381200, "total_cost": 21500},
  "rate_limits": {"per_minute": 30, "per_day": 3000},
  "stats": {"total_spent": 48000, "total_requests": 1300, "total_tokens_used": 920000,
            "today": {"spent": 1200, "requests": 18}, "this_month": {"spent": 22000, "requests": 610}}
}

برای افزایش موجودی به کیف پول بروید. موجودی بین چت سایت، تولید تصویر و API مشترک است.

مدل‌ها و قیمت‌گذاری

فهرست کامل و به‌روز مدل‌هایی که با کلید API می‌توانید فراخوانی کنید. این جدول مستقیماً از همان قیمت‌هایی ساخته می‌شود که وب‌سرویس هنگام هر درخواست از کیف پول کم می‌کند. همهٔ مبالغ به تومان است.

۱۴۶مدل قابل فراخوانی
۱۴شرکت
۹نوع سرویس

مدل‌های متنی و چت (۱۲۶ مدل) — /chat/completions

مدلشرکتورودی (هر ۱ میلیون توکن)ورودی کش‌شدهخروجیظرفیت متنقابلیت‌ها
GPT-5 Nanogpt-5-nano
OpenAI ۱۶٬۰۳۹ ۱٬۶۰۴ ۱۲۸٬۳۱۵ ۲۷۲,۰۰۰ تصویر ابزار
GPT-4.1 Nanogpt-4.1-nano
OpenAI ۳۲٬۰۷۹ ۸٬۰۲۰ ۱۲۸٬۳۱۵ ۱,۰۴۷,۵۷۶ تصویر ابزار
GPT-6 Lunagpt-6-luna
OpenAI ۳۲٬۰۷۹ ۳٬۲۰۸ ۱۶۰٬۳۹۴ ۹۲۲,۰۰۰ تصویر ابزار
GPT-4o Minigpt-4o-mini
OpenAI ۴۸٬۱۱۸ ۲۴٬۰۵۹ ۱۹۲٬۴۷۲ ۱۲۸,۰۰۰ تصویر ابزار
GPT-5.4 Nanogpt-5.4-nano
OpenAI ۶۴٬۱۵۷ ۶٬۴۱۶ ۴۰۰٬۹۸۴ ۲۷۲,۰۰۰ تصویر ابزار
GPT-5.6 Lunagpt-5.6-luna
OpenAI ۶۴٬۱۵۷ ۶٬۴۱۶ ۳۸۴٬۹۴۴ ۹۲۲,۰۰۰ تصویر ابزار
GPT-5 Minigpt-5-mini
OpenAI ۸۰٬۱۹۷ ۸٬۰۲۰ ۶۴۱٬۵۷۴ ۲۷۲,۰۰۰ تصویر ابزار
GPT-4.1 Minigpt-4.1-mini
OpenAI ۱۲۸٬۳۱۵ ۳۲٬۰۷۹ ۵۱۳٬۲۵۹ ۱,۰۴۷,۵۷۶ تصویر ابزار
GPT-5.4 Minigpt-5.4-mini
OpenAI ۲۴۰٬۵۹۰ ۲۴٬۰۵۹ ۱٬۴۴۳٬۵۴۲ ۲۷۲,۰۰۰ تصویر ابزار
o4 Minio4-mini
OpenAI ۳۵۲٬۸۶۶ ۱۷۶٬۴۳۳ ۱٬۴۱۱٬۴۶۳ ۲۰۰,۰۰۰ تصویر ابزار
GPT-5gpt-5
OpenAI ۴۰۰٬۹۸۴ ۴۰٬۰۹۸ ۳٬۲۰۷٬۸۷۰ ۲۷۲,۰۰۰ تصویر ابزار
GPT-5.1gpt-5.1
OpenAI ۴۰۰٬۹۸۴ ۴۰٬۰۹۸ ۳٬۲۰۷٬۸۷۰ ۲۷۲,۰۰۰ تصویر ابزار
GPT-5.2gpt-5.2
OpenAI ۵۶۱٬۳۷۷ ۵۶٬۱۳۸ ۴٬۴۹۱٬۰۱۸ ۲۷۲,۰۰۰ تصویر ابزار
Codex Auto Reviewcodex-auto-review
OpenAI ۶۴۱٬۵۷۴ ۶۴٬۱۵۷ ۳٬۸۴۹٬۴۴۴ ۱,۰۵۰,۰۰۰ تصویر ابزار
GPT-4.1gpt-4.1-2025-04-14
OpenAI ۶۴۱٬۵۷۴ ۱۶۰٬۳۹۴ ۲٬۵۶۶٬۲۹۶ ۱,۰۴۷,۵۷۶ تصویر ابزار
GPT-4.1gpt-4.1
OpenAI ۶۴۱٬۵۷۴ ۱۶۰٬۳۹۴ ۲٬۵۶۶٬۲۹۶ ۱,۰۴۷,۵۷۶ تصویر ابزار
GPT-5.6 Terragpt-5.6-terra
OpenAI ۶۴۱٬۵۷۴ ۶۴٬۱۵۷ ۳٬۸۴۹٬۴۴۴ ۹۲۲,۰۰۰ تصویر ابزار
GPT-6 Solgpt-6-sol
OpenAI ۶۴۱٬۵۷۴ ۶۴٬۱۵۷ ۳٬۲۰۷٬۸۷۰ ۹۲۲,۰۰۰ تصویر ابزار
GPT-6.1 Solgpt-6.1-sol
OpenAI ۶۴۱٬۵۷۴ ۳۲٬۰۷۹ ۳٬۲۰۷٬۸۷۰ ۹۲۲,۰۰۰ تصویر ابزار
GPT-4ogpt-4o
OpenAI ۸۰۱٬۹۶۸ ۴۰۰٬۹۸۴ ۳٬۲۰۷٬۸۷۰ ۱۲۸,۰۰۰ تصویر ابزار
GPT-5.4gpt-5.4
OpenAI ۸۰۱٬۹۶۸ ۸۰٬۱۹۷ ۴٬۸۱۱٬۸۰۵ ۱,۰۵۰,۰۰۰ تصویر ابزار
GPT-5.5gpt-5.5
OpenAI ۱٬۶۰۳٬۹۳۵ ۱۶۰٬۳۹۴ ۹٬۶۲۳٬۶۱۰ ۱,۰۵۰,۰۰۰ تصویر ابزار
GPT-5.6 Solgpt-5.6-sol
OpenAI ۱٬۶۰۳٬۹۳۵ ۱۶۰٬۳۹۴ ۳٬۸۴۹٬۴۴۴ ۹۲۲,۰۰۰ تصویر ابزار
GPT-6 Astragpt-6-astra
OpenAI ۳٬۲۰۷٬۸۷۰ ۳۲۰٬۷۸۷ ۱۶٬۰۳۹٬۳۵۰ ۹۲۲,۰۰۰ تصویر ابزار
o1o1
OpenAI ۴٬۸۱۱٬۸۰۵ ۲٬۴۰۵٬۹۰۲ ۱۹٬۲۴۷٬۲۲۰ ۲۰۰,۰۰۰ تصویر ابزار
Claude Haiku 4.5claude-haiku-4-5
Anthropic ۳۲۰٬۷۸۷ ۱۶۰٬۳۹۴ ۱٬۶۰۳٬۹۳۵ ۲۰۰,۰۰۰ تصویر ابزار
Claude Sonnet 5.5claude-sonnet-5-5
Anthropic ۶۴۱٬۵۷۴ ۶۴٬۱۵۷ ۳٬۲۰۷٬۸۷۰ ۱,۰۰۰,۰۰۰ تصویر ابزار
Anthropic.claude Sonnet 4.6anthropic.claude-sonnet-4-6
Anthropic ۹۶۲٬۳۶۱ ۴۸۱٬۱۸۰ ۴٬۸۱۱٬۸۰۵ ۱,۰۰۰,۰۰۰ تصویر ابزار
Anthropic.claude Sonnet 4 5 20250929 V1:0anthropic.claude-sonnet-4-5-20250929-v1:0
Anthropic ۹۶۲٬۳۶۱ ۴۸۱٬۱۸۰ ۴٬۸۱۱٬۸۰۵ ۲۰۰,۰۰۰ تصویر ابزار
Claude Sonnet 4.5claude-sonnet-4-5
Anthropic ۹۶۲٬۳۶۱ ۴۸۱٬۱۸۰ ۴٬۸۱۱٬۸۰۵ ۲۰۰,۰۰۰ تصویر ابزار
Claude Opus 5.5claude-opus-5-5
Anthropic ۱٬۲۸۳٬۱۴۸ ۶۴٬۱۵۷ ۶٬۴۱۵٬۷۴۰ ۱,۰۰۰,۰۰۰ تصویر ابزار
Anthropic.claude Opus 4 6 V1anthropic.claude-opus-4-6-v1
Anthropic ۱٬۶۰۳٬۹۳۵ ۴۸۱٬۱۸۰ ۸٬۰۱۹٬۶۷۵ ۱,۰۰۰,۰۰۰ تصویر ابزار
Anthropic.claude Opus 4.7anthropic.claude-opus-4-7
Anthropic ۱٬۶۰۳٬۹۳۵ ۱۶۰٬۳۹۴ ۸٬۰۱۹٬۶۷۵ ۱,۰۰۰,۰۰۰ تصویر ابزار
Anthropic.claude Opus 4.8anthropic.claude-opus-4-8
Anthropic ۱٬۶۰۳٬۹۳۵ ۱۶۰٬۳۹۴ ۸٬۰۱۹٬۶۷۵ ۱,۰۰۰,۰۰۰ تصویر ابزار
Claude Opus 4.5claude-opus-4-5
Anthropic ۱٬۶۰۳٬۹۳۵ ۴۸۱٬۱۸۰ ۸٬۰۱۹٬۶۷۵ ۲۰۰,۰۰۰ تصویر ابزار
Claude Opus 4.6claude-opus-4-6
Anthropic ۱٬۶۰۳٬۹۳۵ ۴۸۱٬۱۸۰ ۸٬۰۱۹٬۶۷۵ ۱,۰۰۰,۰۰۰ تصویر ابزار
Claude Opus 4.7claude-opus-4-7
Anthropic ۱٬۶۰۳٬۹۳۵ ۱۶۰٬۳۹۴ ۸٬۰۱۹٬۶۷۵ ۱,۰۰۰,۰۰۰ تصویر ابزار
Claude Opus 4.8claude-opus-4-8
Anthropic ۱٬۶۰۳٬۹۳۵ ۱۶۰٬۳۹۴ ۸٬۰۱۹٬۶۷۵ ۱,۰۰۰,۰۰۰ تصویر ابزار
Claude Opus 5claude-opus-5
Anthropic ۱٬۶۰۳٬۹۳۵ ۱۶۰٬۳۹۴ ۸٬۰۱۹٬۶۷۵ ۱,۰۰۰,۰۰۰ تصویر ابزار
Claude Fable 5claude-fable-5
Anthropic ۳٬۲۰۷٬۸۷۰ ۳۲۰٬۷۸۷ ۱۶٬۰۳۹٬۳۵۰ ۱,۰۰۰,۰۰۰ تصویر ابزار
Claude Fable 5.1claude-fable-5-1
Anthropic ۳٬۲۰۷٬۸۷۰ ۸۰٬۱۹۷ ۱۶٬۰۳۹٬۳۵۰ ۱,۰۰۰,۰۰۰ تصویر ابزار
Gemini 2.5 Flash Litegemini-2.5-flash-lite
Google ۳۲٬۰۷۹ ۱۶٬۰۳۹ ۱۲۸٬۳۱۵ ۱,۰۴۸,۵۷۶ تصویر ابزار
Gemma 4 26B A4b Itgemma-4-26b-a4b-it
Google ۴۱٬۷۰۲ ۴٬۱۷۰ ۱۲۸٬۳۱۵ ۲۶۲,۱۴۴ تصویر ابزار
Gemini 3.1 Flash Litegemini-3.1-flash-lite
Google ۸۰٬۱۹۷ ۸٬۰۲۰ ۴۸۱٬۱۸۰ ۱,۰۴۸,۵۷۶ تصویر ابزار
Gemini 2.5 Flashgemini-2.5-flash
Google ۹۶٬۲۳۶ ۴۸٬۱۱۸ ۸۰۱٬۹۶۸ ۱,۰۴۸,۵۷۶ تصویر ابزار
Gemini Robotics Er 1.5 Previewgemini-robotics-er-1.5-preview
Google ۹۶٬۲۳۶ ۴۸٬۱۱۸ ۸۰۱٬۹۶۸ ۱,۰۴۸,۵۷۶ تصویر ابزار
Gemma Sea Lion V4 27B Itcf.gemma-sea-lion-v4-27b-it
Google ۱۱۲٬۲۷۵ ۵۲٬۹۳۰ ۱۴۷٬۵۶۲ ۱۲۸,۰۰۰ —
Gemini 3 Flash Previewgemini-3-flash-preview
Google ۱۶۰٬۳۹۴ ۸۰٬۱۹۷ ۹۶۲٬۳۶۱ ۱,۰۴۸,۵۷۶ تصویر ابزار
Gemini 3.8 Flashgemini-3.8-flash
Google ۲۴۰٬۵۹۰ ۲۴٬۰۵۹ ۱٬۲۰۲٬۹۵۱ ۱,۰۴۸,۵۷۶ تصویر ابزار
Gemini 3.7 Flashgemini-3.7-flash
Google ۲۴۰٬۵۹۰ ۲۴٬۰۵۹ ۱٬۲۰۲٬۹۵۱ ۱,۰۴۸,۵۷۶ تصویر ابزار
Gemini 2.5 Pro Preview TTSgemini-2.5-pro-preview-tts
Google ۳۲۰٬۷۸۷ ۱۶۰٬۳۹۴ ۶٬۴۱۵٬۷۴۰ ۱,۰۴۸,۵۷۶ تصویر ابزار
Gemini 2.5 Progemini-2.5-pro
Google ۴۰۰٬۹۸۴ ۲۰۰٬۴۹۲ ۳٬۲۰۷٬۸۷۰ ۱,۰۴۸,۵۷۶ تصویر ابزار
Gemini 3.5 Flashgemini-3.5-flash
Google ۴۸۱٬۱۸۰ ۸۰٬۱۹۷ ۲٬۸۸۷٬۰۸۳ ۱,۰۴۸,۵۷۶ تصویر ابزار
Gemini 3.6 Flashgemini-3.6-flash
Google ۴۸۱٬۱۸۰ ۴۸٬۱۱۸ ۲٬۴۰۵٬۹۰۲ ۱,۰۴۸,۵۷۶ تصویر ابزار
Gemini 3.1 Pro Previewgemini-3.1-pro-preview
Google ۶۴۱٬۵۷۴ ۲۶۴٬۶۴۹ ۳٬۸۴۹٬۴۴۴ ۱,۰۴۸,۵۷۶ تصویر ابزار
Grok 4 Fast Reasoninggrok-4-fast-reasoning
xAI (Grok) ۶۴٬۱۵۷ ۱۶٬۰۳۹ ۱۶۰٬۳۹۴ ۲,۰۰۰,۰۰۰ ابزار
Grok Code Fast 1grok-code-fast-1
xAI (Grok) ۶۴٬۱۵۷ ۶٬۴۱۶ ۴۸۱٬۱۸۰ ۲۵۶,۰۰۰ تصویر ابزار
Grok 3 Minigrok-3-mini
xAI (Grok) ۹۶٬۲۳۶ ۴۸٬۱۱۸ ۱۶۰٬۳۹۴ — —
Grok 3 Minigrok-3-mini-latest
xAI (Grok) ۹۶٬۲۳۶ ۴۸٬۱۱۸ ۱۶۰٬۳۹۴ — —
Grok 3 Mini Fastgrok-3-mini-fast
xAI (Grok) ۱۹۲٬۴۷۲ ۹۶٬۲۳۶ ۱٬۲۸۳٬۱۴۸ — —
Grok 4.3grok-4.3
xAI (Grok) ۴۰۰٬۹۸۴ ۶۴٬۱۵۷ ۸۰۱٬۹۶۸ ۲۰,۰۰۰,۰۰۰ تصویر ابزار
Grok 4.5grok-4.5
xAI (Grok) ۶۴۱٬۵۷۴ ۱۶۰٬۳۹۴ ۱٬۹۲۴٬۷۲۲ ۵۰۰,۰۰۰ تصویر ابزار
Grok 4.6grok-4.6
xAI (Grok) ۶۴۱٬۵۷۴ ۱۶۰٬۳۹۴ ۱٬۹۲۴٬۷۲۲ ۵۰۰,۰۰۰ تصویر ابزار
Grok 4.7grok-4.7
xAI (Grok) ۶۴۱٬۵۷۴ ۱۶۰٬۳۹۴ ۱٬۹۲۴٬۷۲۲ ۵۰۰,۰۰۰ تصویر ابزار
Grok 3grok-3
xAI (Grok) ۹۶۲٬۳۶۱ ۴۸۱٬۱۸۰ ۴٬۸۱۱٬۸۰۵ — —
Grok 3grok-3-latest
xAI (Grok) ۹۶۲٬۳۶۱ ۴۸۱٬۱۸۰ ۴٬۸۱۱٬۸۰۵ — —
Grok 4grok-4
xAI (Grok) ۹۶۲٬۳۶۱ ۲۴۰٬۵۹۰ ۴٬۸۱۱٬۸۰۵ — —
Grok 4grok-4-latest
xAI (Grok) ۹۶۲٬۳۶۱ ۲۴۰٬۵۹۰ ۴٬۸۱۱٬۸۰۵ — —
Grok 3 Fastgrok-3-fast
xAI (Grok) ۱٬۶۰۳٬۹۳۵ ۸۰۱٬۹۶۸ ۸٬۰۱۹٬۶۷۵ ۱۳۱,۰۷۲ ابزار
Grok 3 Fast Betagrok-3-fast-beta
xAI (Grok) ۱٬۶۰۳٬۹۳۵ ۸۰۱٬۹۶۸ ۸٬۰۱۹٬۶۷۵ — —
DeepSeek V4.1 Flashdeepseek-v4.1-flash
DeepSeek ۴۸٬۱۱۸ ۹۶۲ ۱۹۲٬۴۷۲ ۱,۰۰۰,۰۰۰ تصویر ابزار
DeepSeek Chatdeepseek-chat
DeepSeek ۷۰٬۵۷۳ ۲٬۲۴۶ ۲۱۱٬۷۱۹ ۱۳۱,۰۷۲ ابزار
DeepSeek V3.2deepseek-v3.2
DeepSeek ۷۰٬۵۷۳ ۲٬۲۴۶ ۲۱۱٬۷۱۹ ۱۶۳,۸۴۰ ابزار
DeepSeek R1 Distill Qwen 32Bcf.deepseek-r1-distill-qwen-32b
DeepSeek ۱۵۹٬۴۳۱ ۸۰٬۱۹۷ ۱٬۵۶۵٬۷۶۱ ۸۰,۰۰۰ —
DeepSeek Reasonerdeepseek-reasoner
DeepSeek ۲۱۱٬۷۱۹ ۷٬۰۵۷ ۶۳۵٬۱۵۸ ۱۳۱,۰۷۲ —
DeepSeek V3.1deepseek-v3.1
DeepSeek ۲۱۱٬۷۱۹ ۷٬۰۵۷ ۶۳۵٬۱۵۸ ۱۶۳,۸۴۰ —
DeepSeek V4 Prodeepseek-v4-pro
DeepSeek ۲۱۱٬۷۱۹ ۷٬۰۵۷ ۶۳۵٬۱۵۸ ۱,۰۰۰,۰۰۰ ابزار
Granite 4.0 H Microcf.granite-4.0-h-micro
Alibaba (Qwen) ۵٬۴۵۳ ۲٬۵۶۶ ۳۵٬۲۸۷ ۱۳۱,۰۷۲ ابزار
Qwen3.8 Flashqwen3.8-flash
Alibaba (Qwen) ۴۸٬۱۱۸ ۵٬۱۳۳ ۱۵۰٬۷۷۰ ۹۹۱,۰۰۰ تصویر ابزار
Qwen Mt Flashqwen-mt-flash
Alibaba (Qwen) ۵۱٬۳۲۶ ۲۵٬۶۶۳ ۱۵۷٬۱۸۶ ۸,۱۹۲ ابزار
Qwen3 VL Plusqwen3-vl-plus
Alibaba (Qwen) ۶۴٬۱۵۷ ۳۲٬۰۷۹ ۵۱۳٬۲۵۹ ۲۵۲,۰۰۰ تصویر ابزار
Qwen3 Coder Flashqwen3-coder-flash-2025-07-28
Alibaba (Qwen) ۹۶٬۲۳۶ ۳۲٬۰۷۹ ۴۸۱٬۱۸۰ ۹۹۷,۹۵۲ ابزار
Qwen3 Coder Flashqwen3-coder-flash
Alibaba (Qwen) ۹۶٬۲۳۶ ۳۲٬۰۷۹ ۴۸۱٬۱۸۰ ۹۹۷,۹۵۲ ابزار
Qwen Plusqwen-plus-2025-04-28
Alibaba (Qwen) ۱۲۸٬۳۱۵ ۶۴٬۱۵۷ ۱٬۲۸۳٬۱۴۸ ۱۲۹,۰۲۴ ابزار
Qwen Plusqwen-plus-2025-12-01
Alibaba (Qwen) ۱۲۸٬۳۱۵ ۶۴٬۱۵۷ ۱٬۲۸۳٬۱۴۸ ۹۹۷,۹۵۲ ابزار
Qwen3.7 Plusqwen3.7-plus
Alibaba (Qwen) ۱۲۸٬۳۱۵ ۱۲٬۸۳۱ ۵۱۳٬۲۵۹ ۱,۰۰۰,۰۰۰ تصویر ابزار
Qwen3.6 Plusqwen3.6-plus
Alibaba (Qwen) ۱۶۰٬۳۹۴ ۱۶٬۰۳۹ ۹۶۲٬۳۶۱ ۹۹۱,۰۰۰ ابزار
Qwen2.5 Coder 32B Instructcf.qwen2.5-coder-32b-instruct
Alibaba (Qwen) ۲۱۱٬۷۱۹ ۱۰۵٬۸۶۰ ۳۲۰٬۷۸۷ ۳۲,۷۶۸ —
Qwen Maxqwen-max
Alibaba (Qwen) ۵۱۳٬۲۵۹ ۲۵۶٬۶۳۰ ۲٬۰۵۳٬۰۳۷ ۳۰,۷۲۰ ابزار
Qwen Maxqwen-max-latest
Alibaba (Qwen) ۵۱۳٬۲۵۹ ۲۵۶٬۶۳۰ ۲٬۰۵۳٬۰۳۷ ۳۰,۷۲۰ ابزار
Qwen3.8 Maxqwen3.8-max
Alibaba (Qwen) ۶۴۱٬۵۷۴ ۸۰٬۱۹۷ ۱٬۹۲۴٬۷۲۲ ۹۹۱,۰۰۰ تصویر ابزار
Qwen Mt Plusqwen-mt-plus
Alibaba (Qwen) ۷۸۹٬۱۳۶ ۳۸۴٬۹۴۴ ۲٬۳۶۴٬۲۰۰ ۲,۰۴۸ ابزار
Qwen3.7 Maxqwen3.7-max
Alibaba (Qwen) ۸۰۱٬۹۶۸ ۸۰٬۱۹۷ ۲٬۴۰۵٬۹۰۲ ۹۹۷,۹۵۲ تصویر ابزار
Mistral Small 2503mistral-small-2503
Mistral AI ۳۲٬۰۷۹ ۱۶٬۰۳۹ ۹۶٬۲۳۶ ۱۲۸,۰۰۰ تصویر ابزار
Mistral Small 3.1 24B Instructcf.mistral-small-3.1-24b-instruct
Mistral AI ۱۱۲٬۵۹۶ ۵۶٬۱۳۸ ۱۷۸٬۰۳۷ ۱۲۸,۰۰۰ ابزار
Mistral Large 3mistral-large-3
Mistral AI ۱۶۰٬۳۹۴ ۱۶٬۰۳۹ ۴۸۱٬۱۸۰ — —
Minimax M2.5minimax-m2.5
MiniMax ۹۶٬۲۳۶ ۹٬۶۲۴ ۳۸۴٬۹۴۴ ۱,۰۰۰,۰۰۰ ابزار
Minimax M2.5 Lightningminimax-m2.5-lightning
MiniMax ۹۶٬۲۳۶ ۹٬۶۲۴ ۷۶۹٬۸۸۹ ۱,۰۰۰,۰۰۰ ابزار
Minimax M2.7minimax-m2.7
MiniMax ۹۶٬۲۳۶ ۱۹٬۲۴۷ ۳۸۴٬۹۴۴ ۲۰۴,۸۰۰ ابزار
Minimax M3minimax-m3
MiniMax ۹۶٬۲۳۶ ۱۹٬۲۴۷ ۳۸۴٬۹۴۴ ۵۱۲,۰۰۰ تصویر ابزار
Minimax M2.7 Highspeedminimax-m2.7-highspeed
MiniMax ۱۹۲٬۴۷۲ ۱۹٬۲۴۷ ۷۶۹٬۸۸۹ ۲۰۴,۸۰۰ ابزار
Sonarsonar
Perplexity ۳۲۰٬۷۸۷ ۱۶۰٬۳۹۴ ۳۲۰٬۷۸۷ ۱۲۸,۰۰۰ —
Sonar Reasoningsonar-reasoning
Perplexity ۳۲۰٬۷۸۷ ۱۶۰٬۳۹۴ ۱٬۶۰۳٬۹۳۵ ۱۲۸,۰۰۰ —
Sonar Deep Researchsonar-deep-research
Perplexity ۶۴۱٬۵۷۴ ۳۲۰٬۷۸۷ ۲٬۵۶۶٬۲۹۶ ۱۲۸,۰۰۰ —
Sonar Reasoning Prosonar-reasoning-pro
Perplexity ۶۴۱٬۵۷۴ ۳۲۰٬۷۸۷ ۲٬۵۶۶٬۲۹۶ ۱۲۸,۰۰۰ —
Sonar Prosonar-pro
Perplexity ۹۶۲٬۳۶۱ ۴۸۱٬۱۸۰ ۴٬۸۱۱٬۸۰۵ ۲۰۰,۰۰۰ —
Kimi K2.5kimi-k2.5
Moonshot AI ۱۹۲٬۴۷۲ ۳۲٬۰۷۹ ۹۶۲٬۳۶۱ ۲۶۲,۱۴۴ ابزار
Kimi K2.7 Codecf.kimi-k2.7-code
Moonshot AI ۳۰۴٬۷۴۸ ۶۰٬۹۵۰ ۱٬۲۸۳٬۱۴۸ ۲۶۲,۱۴۴ ابزار
Kimi K2.7 Codekimi-k2.7-code
Moonshot AI ۳۰۴٬۷۴۸ ۶۰٬۹۵۰ ۱٬۲۸۳٬۱۴۸ ۲۶۲,۱۴۴ ابزار
Kimi K2.6kimi-k2.6
Moonshot AI ۳۰۴٬۷۴۸ ۵۱٬۳۲۶ ۱٬۲۸۳٬۱۴۸ ۲۶۲,۱۴۴ ابزار
Groq.kimi K2 Instruct 0905groq.kimi-k2-instruct-0905
Moonshot AI ۳۲۰٬۷۸۷ ۱۶۰٬۳۹۴ ۱۰۹٬۰۶۸ ۲۶۲,۱۴۴ ابزار
Kimi K2.7 Code Highspeedkimi-k2.7-code-highspeed
Moonshot AI ۶۰۹٬۴۹۵ ۱۲۱٬۸۹۹ ۲٬۵۶۶٬۲۹۶ ۲۶۲,۱۴۴ ابزار
Kimi K3kimi-k3
Moonshot AI ۹۶۲٬۳۶۱ ۹۶٬۲۳۶ ۴٬۸۱۱٬۸۰۵ ۲۶۲,۱۴۴ ابزار
Kimikimi-latest
Moonshot AI ۹۶۲٬۳۶۱ ۹۶٬۲۳۶ ۴٬۸۱۱٬۸۰۵ — —
Llama 4 Scout 17B 16e Instructllama-4-scout-17b-16e-instruct
Meta (LLaMA) ۵۷٬۷۴۲ ۲۸٬۸۷۱ ۱۸۹٬۲۶۴ ۱۰,۰۰۰,۰۰۰ تصویر ابزار
Llama 4 Scout 17B 16e Instructcf.llama-4-scout-17b-16e-instruct
Meta (LLaMA) ۸۶٬۶۱۲ ۴۴٬۹۱۰ ۲۷۲٬۶۶۹ ۱۳۱,۰۰۰ ابزار
Llama 4 Maverick 17B 128e Instruct Fp8llama-4-maverick-17b-128e-instruct-fp8
Meta (LLaMA) ۸۶٬۶۱۲ ۴۴٬۹۱۰ ۲۷۲٬۶۶۹ ۱,۰۰۰,۰۰۰ تصویر ابزار
Llama 3.3 70B Instruct Fp8 Fastcf.llama-3.3-70b-instruct-fp8-fast
Meta (LLaMA) ۹۳٬۰۲۸ ۴۸٬۱۱۸ ۷۲۱٬۷۷۱ ۲۴,۰۰۰ ابزار
Llama Guard 3 8Bcf.llama-guard-3-8b
Meta (LLaMA) ۱۵۵٬۲۶۱ ۷۷٬۶۳۰ ۹٬۶۲۴ ۱۳۱,۰۷۲ —
Muse Glimmer 30Bmuse-glimmer-30b
NVIDIA ۱۱۲٬۲۷۵ ۱۲٬۸۳۱ ۴۸۱٬۱۸۰ ۱۳۱,۰۷۲ ابزار
Nemotron 3 Ultranemotron-3-ultra
NVIDIA ۱۹۲٬۴۷۲ ۳۸٬۴۹۴ ۷۶۹٬۸۸۹ ۲۵۴,۰۰۰ تصویر ابزار
GLM 5.3 Flashglm-5.3-flash
Z.ai ۴۸٬۱۱۸ ۹٬۶۲۴ ۱۶۰٬۳۹۴ ۹۹۱,۰۰۰ تصویر ابزار
GLM 5.2cf.glm-5.2
Z.ai ۴۴۹٬۱۰۲ ۸۳٬۴۰۵ ۱٬۴۱۱٬۴۶۳ ۹۹۱,۰۰۰ ابزار
GLM 5.1glm-5.1
Z.ai ۴۴۹٬۱۰۲ ۸۳٬۴۰۵ ۱٬۴۱۱٬۴۶۳ ۲۰۰,۰۰۰ ابزار
GLM 5.2glm-5.2
Z.ai ۴۴۹٬۱۰۲ ۸۳٬۴۰۵ ۱٬۴۱۱٬۴۶۳ ۹۹۱,۰۰۰ ابزار
GLM 5.3glm-5.3
Z.ai ۴۴۹٬۱۰۲ ۸۳٬۴۰۵ ۱٬۴۱۱٬۴۶۳ ۹۹۱,۰۰۰ ابزار

تولید و ویرایش تصویر (۲ مدل) — /images/generations

مدلشرکتقیمت (هر تصویر)
GPT Image 2gpt-image-2
OpenAI ۱۹٬۶۲۰
GPT Image 1.5gpt-image-1.5
OpenAI ۱۶٬۳۵۱

انیمیشن و ویدیو (۱ مدل) — /videos

مدلشرکتقیمت (تقریبی هر ویدیو)
Lemura Motionlemura-motion
لمورا ۲٬۴۰۰ — تا ۶۰ ثانیه در 720p

مبلغ ویدیو تقریبی است: طراحی صحنه‌ها مثل یک پیام چت و رندر بر اساس پردازش واقعی حساب می‌شود. جزئیات

تبدیل متن به گفتار (۴ مدل) — /audio/speech

مدلشرکتقیمت (هر درخواست)
GPT-4o Mini TTSgpt-4o-mini-tts
OpenAI ۵۴۵
TTS 1tts-1
OpenAI ۵۴۵
TTS 1 HDtts-1-hd
OpenAI ۵۴۵
GPT Audio 1.5gpt-audio-1.5
OpenAI ۵۴۵

تبدیل گفتار به متن (۴ مدل) — /audio/transcriptions

مدلشرکتقیمت (هر درخواست)
Whisper 1whisper-1
OpenAI ۳۲۷
GPT-4o Transcribegpt-4o-transcribe
OpenAI ۳۲۷
GPT-4o Mini Transcribegpt-4o-mini-transcribe
OpenAI ۳۲۷
GPT-4o Transcribe Diarizegpt-4o-transcribe-diarize
OpenAI ۳۲۷

ترجمهٔ گفتار (۱ مدل) — /audio/translations

مدلشرکتقیمت (هر درخواست)
Whisper 1whisper-1
OpenAI ۳۲۷

بردارسازی (Embedding) (۳ مدل) — /embeddings

مدلشرکتقیمت (هر ۱ هزار توکن)
Text Embedding 3 Smalltext-embedding-3-small
OpenAI ۲۲
Text Embedding 3 Largetext-embedding-3-large
OpenAI ۲۲
Text Embedding Ada 002text-embedding-ada-002
OpenAI ۲۲

بررسی محتوا (Moderation) (۴ مدل) — /moderations

مدلشرکتقیمت (هر درخواست)
Omni Moderationomni-moderation-latest
OpenAI ۱۱
Omni Moderationomni-moderation-2024-09-26
OpenAI ۱۱
Text Moderationtext-moderation-latest
OpenAI ۱۱
Text Moderation Stabletext-moderation-stable
OpenAI ۱۱

جستجوی وب با مدل (۸ مدل) — /web-search

مدلشرکتکم (low)متوسط (medium)زیاد (high)
GPT-4o Search Previewgpt-4o-search-preview
OpenAI ۱۱۰۲۱۹۴۳۷
GPT-4o Mini Search Previewgpt-4o-mini-search-preview
OpenAI ۱۱۰۲۱۹۴۳۷
GPT-4ogpt-4o
OpenAI ۱۱۰۲۱۹۴۳۷
GPT-4o Minigpt-4o-mini
OpenAI ۱۱۰۲۱۹۴۳۷
GPT-4.1gpt-4.1
OpenAI ۱۱۰۲۱۹۴۳۷
GPT-4.1 Minigpt-4.1-mini
OpenAI ۱۱۰۲۱۹۴۳۷
GPT-4.1 Nanogpt-4.1-nano
OpenAI ۱۱۰۲۱۹۴۳۷
GPT-5.5gpt-5.5
OpenAI ۱۱۰۲۱۹۴۳۷

قیمت بر اساس پارامتر search_context_size است و هزینهٔ توکن‌ها هم جداگانه محاسبه می‌شود.

خدمات دیگر

سرویسمسیرقیمت
خواندن صفحهٔ وبPOST /web-scrape۳۳ هر آدرس موفق
پژوهش عمیقPOST /research۴۳۷ هر درخواست
تشخیص متن (OCR)POST /ocr۱٬۲۸۳ هر صفحه
کانتینر اجرای کد (Responses API)POST /responses۹٬۸۱۰ هر کانتینر، علاوه بر توکن
استخراج ساختاریافته (cf.clairic)POST /extraction۳۲٬۰۷۹ هر ۱ میلیون توکن ورودی

قیمت ابزارهای آماده (ساخت PDF، پاورپوینت، OCR، صوت و...) در وب‌سرویس ابزارها آمده است.

ماشین‌حساب هزینه

مبلغ قابل پرداخت—تومان

دریافت همین فهرست با کد

/modelsGET

با کلید API، فهرست همین مدل‌ها را به‌همراه قیمت برمی‌گرداند. نمونهٔ واقعی یک ردیف:

json{
  "cached_toman_per_1m": 160393.5,
  "company": "OpenAI",
  "context_tokens": 1047576,
  "created": 1794816219,
  "icon": "https://lemura.ir/wp-content/uploads/2026/09/chatgpt.png",
  "id": "gpt-4.1",
  "input_toman_per_1m": 641574.0,
  "max_output_tokens": 32768,
  "name": "GPT-4.1",
  "object": "model",
  "output_toman_per_1m": 2566296.0,
  "owned_by": "openai",
  "tools": true,
  "type": "chat",
  "vision": true
}

انواع: chat، image، video، audio_tts، audio_transcription، audio_translation، embedding، moderation، web_search. فیلدهای name، company، icon، vision، tools، context_tokens و max_output_tokens برای نمایش در برنامهٔ شماست.

/models/{model_id}GET

جزئیات یک مدل؛ اگر وجود نداشته باشد کد 404 با نوع model_not_found.

نسخهٔ عمومی بدون نیاز به کلید: /docs/pricing.json

کلیدها و محاسبهٔ هزینه

مدیریت کلید

  • کلیدها از صفحه توسعه‌دهندگان ساخته، غیرفعال یا حذف می‌شوند.
  • برای هر برنامه یک کلید جدا بسازید تا مصرف را جدا ببینید و در صورت لو رفتن فقط همان را حذف کنید.
  • حداکثر تعداد کلید برای هر کاربر: ۱۰.

نحوه محاسبه هزینه

  • مدل‌های متنی: (توکن ورودی کش‌نشده × قیمت ورودی + توکن کش‌شده × قیمت کش + توکن خروجی × قیمت خروجی) ÷ ۱٬۰۰۰٬۰۰۰. هر درخواست به تومان کامل گرد می‌شود، رو به بالا.
  • تصویر: قیمت ثابت برای هر تصویر؛ در ویرایش تصویر هم همین قیمت.
  • ویدیو: طراحی صحنه‌ها (مثل یک پیام چت) + رندر Remotion بر اساس پردازش واقعی (همان تعرفهٔ ابزار animation_render).
  • صوت: قیمت ثابت برای هر درخواست، مستقل از طول متن یا صدا.
  • Embedding: بر اساس هر ۱٬۰۰۰ توکن.
  • جستجوی وب: بر اساس search_context_size، به‌علاوهٔ هزینهٔ توکن‌ها.

نمونه با GPT-4.1: یک میلیون توکن ورودی (۶۴۱٬۵۷۴ تومان) و یک میلیون توکن خروجی (۲٬۵۶۶٬۲۹۶ تومان) روی هم ۳٬۲۰۷٬۸۷۱ تومان می‌شود.

قیمت همهٔ مدل‌ها در مدل‌ها و قیمت‌گذاری آمده و هر تغییر قیمت همان لحظه آنجا دیده می‌شود. مبلغ هر درخواست با قیمت زمان همان درخواست حساب می‌شود. درخواست‌های ناموفق هزینه‌ای ندارند. مصرف وب‌سرویس فقط از کیف پول کم می‌شود و پلن‌ها روی آن اثر ندارند.

گزارش مصرف

/usage?days=30GET

مصرف روزانه (حداکثر ۹۰ روز) برای کاربرِ صاحب کلید:

json{
  "object": "usage", "user_id": 123, "days": 30,
  "data": [{"day": "2026-10-20", "requests": 42, "tokens": 51200, "cost": 2900}]
}

وضعیت سرویس

/pingGET

بدون نیاز به کلید؛ برای مانیتورینگ.

نمونه کدها

Python (کتابخانه openai)

python# pip install openai
from openai import OpenAI

client = OpenAI(api_key="lsk-YOUR_KEY", base_url="https://lemura.ir/wp-json/lemuraai/v1")
resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "یک تابع مرتب‌سازی سریع بنویس"}],
)
print(resp.choices[0].message.content)

Node.js

javascript// npm i openai
import OpenAI from "openai";

const client = new OpenAI({ apiKey: process.env.LEMURA_KEY, baseURL: "https://lemura.ir/wp-json/lemuraai/v1" });
const stream = await client.chat.completions.create({
  model: "gpt-4o-mini", stream: true,
  messages: [{ role: "user", content: "سلام!" }],
});
for await (const part of stream) process.stdout.write(part.choices[0]?.delta?.content || "");

PHP

php$ch = curl_init("https://lemura.ir/wp-json/lemuraai/v1/chat/completions");
curl_setopt_array($ch, [
  CURLOPT_RETURNTRANSFER => true, CURLOPT_POST => true,
  CURLOPT_HTTPHEADER => ["Authorization: Bearer lsk-YOUR_KEY", "Content-Type: application/json"],
  CURLOPT_POSTFIELDS => json_encode(["model" => "gpt-4o-mini",
    "messages" => [["role" => "user", "content" => "سلام"]]]),
]);
$res = json_decode(curl_exec($ch), true);
echo $res["choices"][0]["message"]["content"];

LangChain

pythonfrom langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", api_key="lsk-YOUR_KEY", base_url="https://lemura.ir/wp-json/lemuraai/v1")
print(llm.invoke("سلام").content)

خطاها و رفع اشکال

خطاها در قالب استاندارد OpenAI برمی‌گردند:

json{"error": {"message": "Insufficient balance. Available: 120 toman", "type": "insufficient_balance", "code": 402}}
کدنوععلت و راه‌حل
400invalid_request_errorبدنه نامعتبر یا فیلد الزامی (مثل model، messages) ارسال نشده.
401authentication_errorکلید ارسال نشده، اشتباه است یا غیرفعال شده. هدر Authorization: Bearer lsk-... را بررسی کنید.
402insufficient_balanceموجودی کافی نیست؛ کیف پول را شارژ کنید.
404model_not_foundشناسه مدل اشتباه یا غیرفعال است؛ از /models استفاده کنید.
429rate_limit_errorعبور از محدودیت نرخ؛ به مقدار هدر Retry-After صبر کنید.
5xxserver_error / upstreamخطای موقت ارائه‌دهنده مدل؛ با تأخیر دوباره تلاش کنید. هزینه‌ای کسر نمی‌شود.

نکات

  • اگر کتابخانه OpenAI خطای اتصال می‌دهد، مطمئن شوید base_url دقیقاً https://lemura.ir/wp-json/lemuraai/v1 است (بدون /chat/completions).
  • برای درخواست‌های طولانی (تصویر و ویدیو) timeout کلاینت را حداقل ۱۸۰ ثانیه بگذارید.
  • در صورت تکرار خطای 5xx، مدل جایگزین را امتحان کنید.

سوالات متداول

آیا با کدهای فعلی OpenAI سازگار است؟

بله. فقط api_key را با کلید لمورا و base_url را با آدرس لمورا جایگزین کنید.

هزینه درخواست‌های ناموفق کسر می‌شود؟

خیر. فقط درخواست‌های موفق هزینه دارند.

موجودی API و چت سایت جداست؟

خیر، یک کیف پول مشترک برای همه سرویس‌هاست.

چطور بفهمم هر درخواست چقدر هزینه داشته؟

از /usage و /balance یا تاریخچه کیف پول استفاده کنید.

کلیدم لو رفته، چه کنم؟

فوراً از صفحه توسعه‌دهندگان آن را حذف و کلید جدید بسازید.

پشتیبانی

برای سوالات فنی از چت سایت یا راه‌های ارتباطی لمورا با ما در تماس باشید.

بینایی و فایل در چت

مدل‌های دارای قابلیت بینایی (مثل gpt-5.4، gpt-4o، claude-sonnet-4-5، gemini-2.5-flash) می‌توانند تصویر و PDF را مستقیماً در پیام بخوانند. هزینه تصویر و صفحات PDF به‌صورت توکن ورودی حساب می‌شود.

تصویر با URL یا Base64 (Chat Completions)

json{
  "model": "gpt-4o",
  "messages": [{"role": "user", "content": [
    {"type": "text", "text": "متن و اعداد این رسید را استخراج کن"},
    {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ...", "detail": "high"}}
  ]}]
}

پارامتر detail: low (سریع و ارزان)، high (متن ریز، نمودار و اسکرین‌شات)، auto. برای چند تصویر، چند بخش image_url بفرستید و در متن برچسب بزنید («تصویر A»، «تصویر B»). مدل‌های Gemini فقط ورودی Base64 را می‌پذیرند.

PDF با Responses API

json{
  "model": "gpt-5.4",
  "input": [{"role": "user", "content": [
    {"type": "input_text", "text": "تعهدات اصلی این قرارداد را با شماره صفحه خلاصه کن"},
    {"type": "input_file", "file_url": "https://example.com/contract.pdf"}
  ]}]
}

به‌جای file_url می‌توانید "filename" + "file_data": "data:application/pdf;base64,..." یا "file_id" فایلی که با Files API آپلود کرده‌اید را بفرستید. حجم هر فایل کمتر از ۵۰ مگابایت باشد.

فایل آپلودشده در Chat Completions

json{
  "model": "gemini-2.5-flash",
  "messages": [{"role": "user", "content": [
    {"type": "text", "text": "این سند را خلاصه کن"},
    {"type": "file", "file": {"file_id": "file-EyVi0MrxuKTgBrvkVas5ZTGz"}}
  ]}]
}
فقط به file_idهایی که با کلید حساب خودتان آپلود کرده‌اید می‌توانید ارجاع دهید؛ شناسه فایل دیگران خطای 404 می‌دهد.

فایل‌ها (Files API)

یک بار آپلود کنید و بارها با file_id در چت، Responses، OCR و ویرایش تصویر استفاده کنید. ذخیره‌سازی فایل هزینه‌ای ندارد؛ فقط پردازش آن در مدل حساب می‌شود.

/filesPOST

multipart/form-data با فیلدهای file (حداکثر ۱۲۸ مگابایت) و purpose: user_data (پیشنهادی برای ورودی مدل)، vision، assistants، batch، fine-tune، evals، others. اختیاری: expires_after[anchor]=created_at و expires_after[seconds].

bashcurl https://lemura.ir/wp-json/lemuraai/v1/files \
  -H "Authorization: Bearer lsk-YOUR_KEY" \
  -F purpose="user_data" -F file="@contract.pdf"
json{"id": "file-EyVi0MrxuKTgBrvkVas5ZTGz", "object": "file", "bytes": 13264, "created_at": 1767210968,
 "filename": "contract.pdf", "purpose": "user_data"}
/files?purpose=user_data&limit=100&order=descGET

فهرست فایل‌های حساب شما.

/files/{file_id}GET
/files/{file_id}/contentGET
/files/{file_id}DELETE
pythonf = client.files.create(file=open("contract.pdf", "rb"), purpose="user_data")
r = client.responses.create(model="gpt-5.4", input=[{"role": "user", "content": [
    {"type": "input_file", "file_id": f.id},
    {"type": "input_text", "text": "مهم‌ترین بندها را فهرست کن"}]}])
print(r.output_text)
client.files.delete(f.id)

تشخیص متن (OCR)

/ocrPOST

استخراج ساختاریافته متن، جدول و تصاویر از PDF و تصویر با mistral-ocr-4-0 (۱۷۰ زبان، خروجی Markdown). هزینه بر اساس تعداد صفحه: حدود ۱,۲۸۳ تومان برای هر صفحه (با حاشیه‌نویسی ساختاریافته ۲٫۲۵ برابر).

  • document (الزامی): {"type": "document_url", "document_url": "https://... یا data:application/pdf;base64,..."} یا {"type": "image_url", "image_url": "..."}
  • اختیاری: pages (آرایه شماره صفحه از ۰)، include_image_base64، image_limit، image_min_size، table_format (markdown/html)، extract_header، extract_footer، document_annotation_format و bbox_annotation_format (خروجی JSON Schema).
bashcurl https://lemura.ir/wp-json/lemuraai/v1/ocr \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"model": "mistral-ocr-4-0",
       "document": {"type": "document_url", "document_url": "https://arxiv.org/pdf/2201.04234"},
       "pages": [0, 1], "table_format": "html"}'
json{
  "pages": [{"index": 0, "markdown": "# عنوان سند\n\nمتن استخراج‌شده...", "dimensions": {"dpi": 200, "height": 2200, "width": 1700}, "images": []}],
  "model": "mistral-ocr-4-0",
  "usage_info": {"pages_processed": 2, "doc_size_bytes": 3002783},
  "object": "ocr"
}

استخراج داده ساختاریافته از فاکتور

json{
  "model": "mistral-ocr-4-0",
  "document": {"type": "document_url", "document_url": "https://example.com/invoice.pdf"},
  "document_annotation_format": {"type": "json_schema", "json_schema": {"name": "invoice", "schema": {
    "type": "object", "required": ["invoice_number", "total_amount"],
    "properties": {"invoice_number": {"type": "string"}, "date": {"type": "string"}, "total_amount": {"type": "number"}}}}}
}

نتیجه ساختاریافته در فیلد document_annotation به‌صورت رشته JSON برمی‌گردد. پیش از ثبت مالی، مبلغ‌ها و تاریخ‌ها را با سند اصلی تطبیق دهید.

ویرایش تصویر

/images/editsPOST

ویرایش تصویر موجود با توضیح متنی (حذف پس‌زمینه، افزودن شیء، تغییر سبک...). مدل‌ها و قیمت همانند تولید تصویر است (مدل‌های فعال در /models با نوع image).

آپلود فایل (multipart)

bashcurl https://lemura.ir/wp-json/lemuraai/v1/images/edits \
  -H "Authorization: Bearer lsk-YOUR_KEY" \
  -F model="gpt-image-2" -F image="@product.png" \
  -F prompt="فقط پس‌زمینه را سفید گرم کن؛ محصول، لوگو و زاویه دوربین تغییر نکند" \
  -F size="1024x1024"

درخواست JSON با Base64

json{
  "model": "gpt-image-2",
  "prompt": "یک رنگین‌کمان در آسمان بالای کوه‌ها اضافه کن",
  "images": [{"image_url": "data:image/png;base64,iVBORw0KGgo..."}],
  "size": "1024x1024"
}

اختیاری: mask (فایل یا {"image_url": ...} با کانال آلفا؛ ناحیه شفاف قابل ویرایش است)، n (حداکثر ۴)، quality، output_format. خروجی در data[0].b64_json یا data[0].url است. در پرامپت کل تصویر نهایی را توصیف کنید و بگویید چه چیزهایی باید بدون تغییر بمانند.

استخراج فیلد (Extraction)

/extractionPOST

متن یا تصویر را بخوانید و مقدارهای نام‌دار و نوع‌دار برگردانید (شناسه، تاریخ، مبلغ، فهرست، برآورد، پیش‌بینی) — همراه با نشانه‌های عدم قطعیت. مدل: cf.clairic. هزینه بر اساس توکن ورودی (بسیار کم). پاسخ جریانی پشتیبانی نمی‌شود.

  • state: متن شواهد (یا images: تا ۴ تصویر Base64 با content_type).
  • fields: شیء نام‌دار؛ نوع‌ها: text، number، date، time، datetime، duration، list (با items)، estimate و forecast (با min/max). تنظیمات: instructions، unit، decimals، null_threshold و ...
  • اختیاری: reference_date (برای تاریخ‌های بدون سال)، options.include_quantiles، options.return_state_text.
bashcurl https://lemura.ir/wp-json/lemuraai/v1/extraction \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"model": "cf.clairic",
       "state": "Invoice INV-2291 issued 2026-09-02, net 30. 4 pallets at $250.00, shipping $80.00. Contact: Dana Ruiz, Priya Shah.",
       "fields": {
         "invoice_number": {"type": "text"},
         "due_date": {"type": "date", "instructions": "Issue date plus net payment days"},
         "total": {"type": "number", "decimals": 2, "unit": "USD", "instructions": "Amount due including shipping"},
         "contacts": {"type": "list", "items": "text"},
         "po_number": {"type": "text", "instructions": "Purchase order number"}}}'
json{
  "model": "cf.clairic",
  "answers": {
    "invoice_number": {"type": "text", "value": "INV-2291", "confidence": 1, "p_null": 3.8e-10, "span": [8, 16]},
    "due_date": {"type": "date", "value": "2026-10-02"},
    "total": {"type": "number", "value": 1080},
    "contacts": {"type": "list", "value": ["Dana Ruiz", "Priya Shah"]},
    "po_number": {"type": "text", "value": null, "p_null": 1, "guess": "INV-2291"}
  },
  "truncated": false,
  "usage": {"input_tokens": 655, "output_tokens": 0, "passes": 3}
}
value: null یعنی مقدار پیدا نشد؛ guess را جایگزین آن نکنید (در مثال، شماره سفارش خرید وجود ندارد). پیش از ذخیره یا اقدام، مقدارها را اعتبارسنجی کنید.

گفتگوی صوتی زنده

برای ساخت دستیار صوتی، سه مرحله را زنجیره کنید: گفتار به متن چت متن به گفتار. این همان روشی است که «گفتگوی صوتی» سایت لمورا استفاده می‌کند.

pythonwith open("question.webm", "rb") as audio:
    text = client.audio.transcriptions.create(model="gpt-4o-transcribe", file=audio, language="fa").text

answer = client.chat.completions.create(model="gpt-5.4-mini", messages=[
    {"role": "system", "content": "کوتاه و محاوره‌ای پاسخ بده."},
    {"role": "user", "content": text}]).choices[0].message.content

with client.audio.speech.with_streaming_response.create(
        model="gpt-audio-1.5", voice="coral", input=answer, response_format="mp3") as speech:
    speech.stream_to_file("answer.mp3")
  • متن هر درخواست TTS را زیر ۴٬۰۰۰ کاراکتر نگه دارید؛ متن طولانی را پاراگراف به پاراگراف بفرستید.
  • صداهای پیشنهادی: coral، marin، cedar، alloy، nova.
  • برای کاهش تأخیر، پاسخ چت را کوتاه بخواهید و پخش را هم‌زمان با دریافت فایل شروع کنید.
  • به کاربر اطلاع دهید که صدای پاسخ با هوش مصنوعی تولید شده است.

پایگاه دانش و RAG (پاسخ مستند به اسناد شما)

اسناد خود (متن، صفحه وب یا فایل آپلودشده) را در یک «مجموعه» ذخیره کنید. لمورا آن‌ها را تکه‌بندی (با هم‌پوشانی)، به بردار تبدیل و ایندکس می‌کند. سپس با یک درخواست جستجو کنید یا پاسخ نهایی را همراه با ارجاع دقیق به منبع بگیرید. مجموعه‌ها خصوصی هستند و فقط با کلیدهای همان حساب در دسترس‌اند؛ پایگاه‌های دانشی که در چت سایت ساخته‌اید هم اینجا قابل استفاده‌اند.

Endpointها

/rag/collectionsGET
/rag/collectionsPOST
/rag/collections/{name}GET
/rag/collections/{name}DELETE
/rag/collections/{name}/documentsPOST
/rag/collections/{name}/documentsGET
/rag/collections/{name}/documents/{doc_id}DELETE
/rag/collections/{name}/searchPOST
/rag/collections/{name}/queryPOST
/rag/searchPOST
/rag/queryPOST

۱. ساخت مجموعه

bashcurl https://lemura.ir/wp-json/lemuraai/v1/rag/collections \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"name": "support-kb", "description": "سوالات پشتیبانی", "embedding_model": "text-embedding-3-small"}'

name: حروف کوچک انگلیسی، عدد، - و _ (حداکثر ۴۰). embedding_model اختیاری است (پیش‌فرض text-embedding-3-small؛ برای دقت بیشتر text-embedding-3-large) و برای همه اسناد آن مجموعه ثابت می‌ماند. ارسال اولین سند به مجموعه‌ای که وجود ندارد، آن را خودکار می‌سازد.

۲. افزودن اسناد

bashcurl https://lemura.ir/wp-json/lemuraai/v1/rag/collections/support-kb/documents \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{
    "documents": [
      {"id": "refund-policy", "title": "سیاست بازپرداخت", "text": "...", "metadata": {"lang": "fa", "year": 2026}}
    ],
    "urls": ["https://example.com/faq"],
    "file_ids": ["file-EyVi0MrxuKTgBrvkVas5ZTGz"],
    "chunk_size": 700,
    "chunk_overlap": 100
  }'
  • documents: تا ۲۰۰ سند؛ هر سند text (الزامی)، id پایدار (برای جایگزینی/حذف بعدی)، title، url و metadata (مقادیر ساده برای فیلتر).
  • urls: تا ۱۰ صفحه وب عمومی (آدرس‌های داخلی و خصوصی پذیرفته نمی‌شوند).
  • file_ids: فایل‌هایی که با Files API آپلود کرده‌اید — txt، md، csv، json، html، docx، xlsx، pptx؛ PDF و تصویر با OCR خوانده می‌شوند.
  • chunk_size (۱۰۰ تا ۲۰۴۸ توکن، پیش‌فرض ۷۰۰) و chunk_overlap (پیش‌فرض ۱۵٪). سند با همان id دوباره ارسال شود، جایگزین می‌شود ("replace_documents": false برای افزودن).
json{"object": "rag.ingest", "collection": "support-kb", "chunks": 42, "total_chunks": 42,
 "documents": [{"id": "refund-policy", "title": "سیاست بازپرداخت", "chunks": 3}],
 "usage": {"embedding_tokens": 18210, "urls_fetched": 1, "ocr_pages": 0}, "cost": 410}

۳. جستجو

bashcurl https://lemura.ir/wp-json/lemuraai/v1/rag/collections/support-kb/search \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"query": "مهلت بازپرداخت چند روز است؟", "top_k": 5, "mode": "hybrid", "filter": {"lang": "fa"}, "rerank": true}'
  • mode: hybrid (پیش‌فرض: معنایی + کلیدواژه BM25)، dense (فقط معنایی) یا keyword. وزن معنایی با alpha (۰ تا ۱، پیش‌فرض ۰٫۷).
  • filter: فیلتر روی metadata؛ مقدار ساده یا عملگرهای $eq، $ne، $gt، $gte، $lt، $lte، $in، $nin.
  • rerank: رتبه‌بندی مجدد با مدل زبانی (rerank_model اختیاری) — دقیق‌تر، با هزینه توکن.
  • min_score: حذف نتایج کم‌ارتباط. برای چند مجموعه از POST /rag/search با "collections": ["a", "b"] استفاده کنید.
json{"object": "rag.search_results", "data": [
  {"id": "refund-policy_c1", "doc_id": "refund-policy", "title": "سیاست بازپرداخت", "text": "...",
   "score": 0.8731, "dense_score": 0.8123, "keyword_score": 1.0, "rerank_score": 0.9, "metadata": {"lang": "fa"}}
], "reranked": true, "cost": 12}

۴. پاسخ مستند با ارجاع (RAG کامل)

bashcurl https://lemura.ir/wp-json/lemuraai/v1/rag/collections/support-kb/query \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"query": "مهلت بازپرداخت چند روز است؟", "model": "gpt-4o-mini", "top_k": 6}'
json{
  "object": "rag.answer", "status": "completed", "model": "gpt-4o-mini",
  "answer": "مهلت درخواست بازپرداخت ۱۴ روز پس از خرید است [1].",
  "citations": [{"index": 1, "source_id": "refund-policy_c1", "doc_id": "refund-policy", "title": "سیاست بازپرداخت", "url": "", "text": "..."}],
  "invalid_citations": 0, "sources": [ ... ],
  "usage": {"prompt_tokens": 1820, "completion_tokens": 64, "embedding_tokens": 14}, "cost": 95
}
  • هر تکه با شناسه پایدار (مثل refund-policy_c1) به مدل داده می‌شود و ارجاع‌های مدل با همین شناسه‌ها اعتبارسنجی می‌شوند؛ ارجاع ساختگی حذف و در invalid_citations شمرده می‌شود.
  • citation_format: brackets (پیش‌فرض، [1] در متن)، markers (نشانه‌های خام citeid برای رندر سفارشی) یا none.
  • messages: تاریخچه گفتگو (نقش‌های user/assistant) برای سوالات پیگیری. instructions: دستور اضافه (لحن، قالب).
  • classify: true: اول تشخیص می‌دهد سوال به پایگاه دانش نیاز دارد یا نه (برای سوالات عمومی، بازیابی و هزینه embedding حذف می‌شود).
  • max_tokens (پیش‌فرض ۱۵۰۰)، temperature، filter، mode، rerank مثل جستجو.
  • status: completed، incomplete (پاسخ به سقف توکن رسید) یا incomplete_no_text (کل بودجه صرف استدلال شد — max_tokens را بیشتر کنید؛ این پاسخ را قابل استفاده فرض نکنید).
هزینه: توکن‌های embedding (حدود ۲۲ تومان برای هر ۱۰۰۰ توکن)، صفحات وب، صفحات OCR و توکن‌های مدل پاسخ‌دهنده با قیمت همان مدل. ذخیره‌سازی رایگان است. سقف هر حساب: ۵۰ مجموعه و ۵۰٬۰۰۰ تکه.

پاسخ جریانی (stream)

با "stream": true پاسخ به‌صورت SSE می‌آید: ابتدا منابع بازیابی‌شده، سپس متن پاسخ تکه‌تکه (ارجاع‌ها همان لحظه به [1] تبدیل شده‌اند) و در پایان نتیجهٔ کامل با ارجاع‌های اعتبارسنجی‌شده، مصرف و هزینه.

bashcurl -N https://lemura.ir/wp-json/lemuraai/v1/rag/collections/support-kb/query \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"query": "مهلت بازپرداخت چند روز است؟", "stream": true}'

data: {"type": "rag.sources", "retrieved": true, "sources": [ ... ]}
data: {"type": "rag.delta", "delta": "مهلت درخواست بازپرداخت "}
data: {"type": "rag.delta", "delta": "۱۴ روز پس از خرید است [1]."}
data: {"type": "rag.completed", "object": "rag.answer", "status": "completed", "answer": "...", "citations": [ ... ], "cost": 95}
data: [DONE]

نمونه Python

pythonimport requests
B = "https://lemura.ir/wp-json/lemuraai/v1"
H = {"Authorization": "Bearer lsk-YOUR_KEY"}
requests.post(B + "/rag/collections/docs/documents", headers=H, json={
    "documents": [{"id": "pricing", "title": "قیمت‌ها", "text": open("pricing.md", encoding="utf-8").read()}]})
r = requests.post(B + "/rag/collections/docs/query", headers=H,
                  json={"query": "پلن سازمانی چه امکاناتی دارد؟", "model": "gpt-4o-mini"}).json()
print(r["answer"])
for c in r["citations"]:
    print(c["index"], c["title"], c["source_id"])

سازگاری با Anthropic (Messages API و Claude Code)

وب‌سرویس لمورا علاوه بر قالب OpenAI، قالب رسمی Anthropic Messages API را هم می‌پذیرد. یعنی SDKهای رسمی Anthropic (پایتون و TypeScript)، ابزارهایی مثل Claude Code و هر برنامه‌ای که برای Claude نوشته شده، فقط با عوض کردن آدرس پایه و کلید، با کیف پول لمورا کار می‌کنند. استریم (SSE)، ابزارها (tool use)، تصویر، پیام سیستمی و توقف سفارشی پشتیبانی می‌شود؛ هزینه و سقف درخواست مثل بقیهٔ وب‌سرویس است.

موردمقدار
آدرس پایه (base URL)https://lemura.ir/anthropic
EndpointPOST https://lemura.ir/anthropic/v1/messages (همچنین /wp-json/lemuraai/v1/messages)
احراز هویتx-api-key: lsk-… یا Authorization: Bearer lsk-…
نسخههدر anthropic-version پذیرفته می‌شود و لازم نیست.

Endpointها

/anthropic/v1/messagesPOST
/anthropic/v1/messages/count_tokensPOST
/anthropic/v1/modelsGET

نام مدل‌ها

هر مدل چت لمورا را می‌توانید با شناسهٔ خودش بفرستید (مثلاً claude-sonnet-4-5 یا حتی gpt-5.4). شناسه‌های رسمی Anthropic با تاریخ (مثل claude-sonnet-4-5-20250929) خودکار به نزدیک‌ترین مدل همان خانواده (opus / sonnet / haiku) که در لمورا فعال است نگاشت می‌شوند؛ نام مدل درخواستی در پاسخ برگردانده می‌شود.

curl

bashcurl https://lemura.ir/anthropic/v1/messages \
  -H "x-api-key: lsk-YOUR_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-4-5",
    "max_tokens": 1024,
    "system": "پاسخ را کوتاه و فارسی بده.",
    "messages": [{"role": "user", "content": "سه ایده برای نام یک کافه"}]
  }'

پایتون (SDK رسمی anthropic)

pythonimport anthropic

client = anthropic.Anthropic(api_key="lsk-YOUR_KEY", base_url="https://lemura.ir/anthropic")

msg = client.messages.create(
    model="claude-sonnet-4-5",
    max_tokens=1024,
    messages=[{"role": "user", "content": "یک شعر کوتاه دربارهٔ باران"}],
)
print(msg.content[0].text)

# استریم
with client.messages.stream(model="claude-sonnet-4-5", max_tokens=1024,
                            messages=[{"role": "user", "content": "Explain RAG in 3 lines"}]) as s:
    for text in s.text_stream:
        print(text, end="", flush=True)

TypeScript / Node.js

javascriptimport Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic({ apiKey: "lsk-YOUR_KEY", baseURL: "https://lemura.ir/anthropic" });
const msg = await client.messages.create({
  model: "claude-sonnet-4-5",
  max_tokens: 1024,
  messages: [{ role: "user", content: "Hello from Lemura" }],
});
console.log(msg.content);

ابزارها (Tool use)

pythontools = [{
    "name": "get_weather",
    "description": "Current weather of a city",
    "input_schema": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
}]
r = client.messages.create(model="claude-sonnet-4-5", max_tokens=1024, tools=tools,
                           messages=[{"role": "user", "content": "هوای تهران چطوره؟"}])
# r.stop_reason == "tool_use" → بلوک tool_use را اجرا کنید و نتیجه را با tool_result برگردانید

Claude Code با کیف پول لمورا

متغیرهای محیطی زیر را تنظیم کنید و claude را اجرا کنید:

bash# macOS / Linux
export ANTHROPIC_BASE_URL="https://lemura.ir/anthropic"
export ANTHROPIC_AUTH_TOKEN="lsk-YOUR_KEY"
claude

# Windows PowerShell
$env:ANTHROPIC_BASE_URL="https://lemura.ir/anthropic"
$env:ANTHROPIC_AUTH_TOKEN="lsk-YOUR_KEY"
claude

تفاوت‌ها با API رسمی Anthropic

  • درخواست‌ها از مسیر مدل‌های لمورا اجرا می‌شوند؛ ویژگی‌های اختصاصی Anthropic مثل thinking، cache_control، Batches و Files API نادیده گرفته می‌شوند (درخواست خطا نمی‌دهد).
  • count_tokens تخمینی است (برای برنامه‌ریزی کافی است، نه برای صورت‌حساب).
  • خطاها در قالب Anthropic برمی‌گردند: {"type":"error","error":{"type":"authentication_error","message":"…"}}؛ موجودی ناکافی = 402 billing_error.

ایجنت سرور لمورا (ترمینال هوشمند)

ایجنت سرور لمورا مثل یک مهندس DevOps به سرور شما وصل می‌شود و کارها را در ترمینال (Shell) انجام می‌دهد: بررسی وضعیت، نصب و پیکربندی، رفع خطای وب‌سرور و دیتابیس، تحلیل لاگ، به‌روزرسانی و گزارش نهایی. کافی است کار را به زبان ساده بنویسید.

شروع

  1. از منوی کناری، بخش «ابزارها و اتوماسیون» ← ایجنت سرور و سایت را باز کنید و «افزودن سرور یا سایت» ← نوع سرور (SSH / ترمینال) را بزنید.
  2. آدرس سرور، پورت، نام کاربری و کلید خصوصی SSH (پیشنهادی) یا رمز عبور را وارد کنید و «تست اتصال» را بزنید. اطلاعات اتصال رمزنگاری‌شده نگه داشته می‌شود و هرگز به مدل یا خروجی برگردانده نمی‌شود.
  3. «وظیفه جدید» بسازید، سرور را انتخاب کنید و کار را بنویسید؛ مثلاً: «چرا سایت خطای ۵۰۲ می‌دهد؟ پیدا و درستش کن» یا «Nginx و گواهی SSL را برای دامنهٔ example.com راه‌اندازی کن».

نحوهٔ کار

  • بررسی و برنامه: ایجنت ابتدا فقط بررسی می‌کند (system_info، ls، cat، df، systemctl status، journalctl …) و سپس برنامه‌ای با دستورها و فایل‌هایی که تغییر می‌کنند پیشنهاد می‌دهد. تا برنامه را تأیید نکنید هیچ تغییری انجام نمی‌شود.
  • اجرا: پس از تأیید، کار را مرحله‌به‌مرحله انجام می‌دهد، تنظیمات را قبل از اعمال اعتبارسنجی می‌کند (مثل nginx -t) و نتیجه را دوباره بررسی می‌کند.
  • ویرایش امن فایل: ابزار edit_file فقط بخش مشخصی از فایل را عوض می‌کند و یک نسخهٔ پشتیبان با تاریخ کنار فایل می‌گذارد.
  • گزارش نهایی: چه چیزی پیدا شد، چه تغییراتی انجام شد، پشتیبان‌ها کجا هستند و چطور نتیجه را بررسی کنید.

سطح‌های امنیتی دستورها

سطحنمونهرفتار
فقط‌خواندنیls, cat, grep, df, ps, ss, journalctl, docker ps, nginx -tبی‌درنگ اجرا می‌شود (حتی در مرحلهٔ برنامه‌ریزی)
تغییردهندهapt-get install, systemctl restart, edit_file, sed -iحالت «مرحله‌به‌مرحله»: با تأیید شما · حالت «خودکار»: بدون توقف
پرخطرrm -r, reboot, systemctl stop, DROP DATABASE, iptables -Fهمیشه منتظر تأیید شما می‌ماند، حتی در حالت خودکار
مسدودrm -rf /, mkfs, dd روی دیسک، fork bomb، ماینرهرگز اجرا نمی‌شود
تعاملیvim, nano, top, less, mysql (بدون -e)رد می‌شود؛ ایجنت شکل غیرتعاملی را به کار می‌برد
خروجی دستورها و محتوای فایل‌های سرور برای ایجنت «داده» است، نه دستور؛ متنی که در یک فایل یا لاگ به ایجنت دستور بدهد اجرا نمی‌شود. برای سرورهای حساس یک کاربر جداگانه با دسترسی محدود (به‌جای root) بسازید.

هزینه: هر مرحلهٔ فکر کردن مدل بر اساس تعرفهٔ همان مدل از کیف پول کسر می‌شود؛ اجرای دستور روی سرور شما هزینهٔ جداگانه ندارد. در اپلیکیشن ویندوز لمورا، همین ایجنت روی ترمینال رایانهٔ خود شما هم کار می‌کند.

ابزار Shell در Responses API

با ابزار Shell مدل می‌تواند برای کارهای قطعی (بررسی فایل، اجرای اسکریپت، تبدیل داده، ساخت فایل خروجی) دستور ترمینال بخواهد. در لمورا دو راه دارید:

نیازراه پیشنهادی
کار روی سرور خودتانایجنت سرور لمورا — بدون کدنویسی، با تأیید و گزارش
کانتینر موقت و ایزوله در APIابزار میزبانی‌شدهٔ shell در /responses (وابسته به پشتیبانی مدل)
اجرای دستور در محیط خودتانابزار function سخت‌گیرانه در برنامهٔ خودتان (پایین همین بخش)

ابزار میزبانی‌شده

/responsesPOST
pythonfrom openai import OpenAI

client = OpenAI(api_key="lsk-YOUR_KEY", base_url="https://lemura.ir/wp-json/lemuraai/v1")

resp = client.responses.create(
    model="gpt-4.1",
    instructions="Use the shell only for safe, read-only inspection unless the user approves a write. "
                 "Keep commands non-interactive.",
    input="List the working directory and show the Python version.",
    tools=[{"type": "shell", "environment": {"type": "container_auto"}}],
    tool_choice="auto",
)
print(resp.output_text)
for item in resp.output:
    if item.type == "shell_call":
        print("shell call:", item.call_id, item.action)
bashcurl https://lemura.ir/wp-json/lemuraai/v1/responses \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"model": "gpt-4.1",
       "input": "List the working directory and show the Python version.",
       "tools": [{"type": "shell", "environment": {"type": "container_auto"}}]}'
  • این ابزار فقط در /responses کار می‌کند (نه در /chat/completions) و به پشتیبانی مدل انتخابی بستگی دارد. اگر مدل پشتیبانی نکند، خطای بالادستی برگردانده می‌شود و هزینه‌ای کسر نمی‌شود.
  • کانتینرها موقت هستند؛ فایل‌های لازم را همان موقع دریافت و در فضای خودتان ذخیره کنید.
  • هزینه: توکن‌ها با تعرفهٔ مدل + برای هر کانتینری که در پاسخ باز شود حدود ۹,۰۰۰ تومان (پیش از سود).

جایگزین: Shell در برنامهٔ خودتان

امن‌ترین الگوی قابل‌حمل این است که برنامهٔ شما دستور را از فهرست مجاز اجرا کند، نه متن دلخواه مدل را:

json{
  "type": "function",
  "name": "run_safe_shell_task",
  "description": "Run an approved, non-interactive shell task in a locked-down sandbox.",
  "strict": true,
  "parameters": {
    "type": "object",
    "properties": {
      "task": {"type": "string"},
      "allowed_command": {"type": "string"},
      "working_directory": {"type": "string"}
    },
    "required": ["task", "allowed_command", "working_directory"],
    "additionalProperties": false
  }
}
  1. دستور را با فهرست مجاز مقایسه کنید؛ متن خام مدل را اجرا نکنید.
  2. با محیط پاک (بدون secret)، mount فقط‌خواندنی و محدودیت CPU/حافظه/زمان اجرا کنید.
  3. stdout، stderr، exit code و timeout را جمع کنید و خلاصه را با function_call_output و همان call_id برگردانید.
  4. برای نصب بسته، دسترسی شبکه، نوشتن، حذف و هر تغییر بیرونی تأیید انسانی بگیرید.
کلید API، رمز دیتابیس، کلید SSH یا توکن OAuth را در prompt، آرگومان دستور یا لاگ قرار ندهید. خروجی دستور و محتوای وب را ورودی نامطمئن بدانید.

Code Interpreter (اجرای Python)

Code Interpreter به مدل اجازه می‌دهد Python را در کانتینر ایزوله بنویسد و اجرا کند، نتیجه را بررسی و دوباره تلاش کند و فایل (نمودار، CSV) برگرداند. مناسب ریاضی دقیق، تحلیل داده، بررسی فایل و پردازش تصویر است. مدل این ابزار را با نام «python tool» می‌شناسد؛ در instructions صریح بنویسید چه زمانی از آن استفاده کند.

/responsesPOST
pythonresp = client.responses.create(
    model="gpt-4.1",
    instructions="You are a careful data analyst. Use the python tool only when it improves accuracy.",
    input="Solve 3x + 11 = 14 and verify the answer.",
    tools=[{"type": "code_interpreter", "container": {"type": "auto", "memory_limit": "4g"}}],
)
print(resp.output_text)
for item in resp.output:
    if item.type == "code_interpreter_call":
        print("container:", item.container_id)
javascriptimport OpenAI from "openai";
const client = new OpenAI({ apiKey: "lsk-YOUR_KEY", baseURL: "https://lemura.ir/wp-json/lemuraai/v1" });

const resp = await client.responses.create({
  model: "gpt-4.1",
  input: "Solve 3x + 11 = 14 and verify the answer.",
  tools: [{ type: "code_interpreter", container: { type: "auto", memory_limit: "4g" } }],
});
console.log(resp.output_text);
  • اگر حتماً باید Python اجرا شود "tool_choice": "required" بگذارید؛ در غیر این صورت auto.
  • کانتینرها پس از حدود ۲۰ دقیقه بی‌کاری منقضی می‌شوند و دوباره فعال نمی‌شوند؛ خروجی‌ها را زود دریافت کنید. فایل‌های تولیدشده به‌صورت annotation از نوع container_file_citation (با container_id، file_id و نام فایل) برمی‌گردند.
  • سطوح حافظه: 1g (پیش‌فرض)، 4g، 16g، 64g — حافظهٔ بیشتر هزینهٔ بالادستی بیشتری دارد.
  • برای دیباگ می‌توانید "include": ["code_interpreter_call.outputs"] بفرستید؛ پیش از نمایش یا ذخیره، خروجی را از اطلاعات حساس پاک کنید.
  • هزینه: توکن‌ها + حدود ۹,۰۰۰ تومان برای هر کانتینر (پیش از سود). پشتیبانی به مدل انتخابی بستگی دارد.

جایگزین بدون کانتینر میزبانی‌شده: وب‌سرویس ابزارهای لمورا (نمودار، Excel، PDF، OCR …) یا یک ابزار function که Python تأییدشده را در sandbox خودتان اجرا کند.

استفاده از کامپیوتر (Computer Use)

با Computer Use مدل از روی screenshot، کارهای ساختاریافته (کلیک، تایپ، اسکرول، کشیدن) روی مرورگر یا دسکتاپ پیشنهاد می‌دهد و برنامهٔ شما آن‌ها را اجرا می‌کند. اجرای واقعی همیشه در محیط شماست (Playwright، Selenium، VM).

حلقهٔ کار

  1. درخواست را با "tools": [{"type": "computer"}] به /responses بفرستید.
  2. در output آیتم computer_call را پیدا کنید و همهٔ actions[] را به ترتیب اجرا کنید.
  3. screenshot تازه بگیرید و با computer_call_output و previous_response_id برگردانید.
  4. تا وقتی computer_call تازه‌ای نمی‌آید ادامه دهید. نوبت اول ممکن است فقط screenshot بخواهد.
pythonimport base64

resp = client.responses.create(model="gpt-4.1", tools=[{"type": "computer"}],
                               input="Open the filters panel and type penguin in the search box.")
while True:
    call = next((o for o in resp.output if o.type == "computer_call"), None)
    if not call:
        break
    run_actions(page, call.actions)          # your Playwright code: click / type / scroll / keypress / drag
    shot = base64.b64encode(page.screenshot()).decode()
    resp = client.responses.create(
        model="gpt-4.1", previous_response_id=resp.id, tools=[{"type": "computer"}],
        input=[{"type": "computer_call_output", "call_id": call.call_id, "current_url": page.url,
                "output": {"type": "input_image", "image_url": "data:image/png;base64," + shot}}])
print(resp.output_text)
  • مرورگر را در محیط ایزوله اجرا کنید و برای دامنه‌ها و کارها فهرست مجاز داشته باشید.
  • پیش از خرید، ارسال فرم یا پیام، حذف، تغییر دسترسی یا ورود اطلاعات حساس، از کاربر تأیید بگیرید. CAPTCHA و موانع امنیتی را به کاربر بسپارید.
  • متن صفحه، PDF، ایمیل و screenshot «داده» هستند؛ دستورهای داخل آن‌ها را اجرا نکنید.
  • مدل legacy computer-use-preview رو به منسوخ شدن است؛ برای کار جدید از شکل فعلی computer و مدل‌های جدید استفاده کنید.

جایگزین امن‌تر برای production: چند ابزار function محدود (مثل open_url، click_text، type_text) که برنامهٔ شما اجرا می‌کند.

MCP و کانکتورها

با ابزار mcp مدل در /responses به سرورهای Remote MCP (با server_url) یا کانکتورهای OAuth (با connector_id) وصل می‌شود تا داده بخواند یا عملیات انجام دهد.

pythonresp = client.responses.create(
    model="gpt-4.1",
    input="Find the latest refund policy in our support knowledge base.",
    tools=[{
        "type": "mcp",
        "server_label": "support_kb",
        "server_url": "https://mcp.example.com/sse",
        "allowed_tools": ["search_docs"],
        "require_approval": "never",          # only for trusted, read-only tools
    }],
)
print(resp.output_text)

کانکتور با OAuth

json{
  "type": "mcp",
  "server_label": "google_calendar",
  "connector_id": "connector_googlecalendar",
  "authorization": "",
  "allowed_tools": ["list_events"],
  "require_approval": "never"
}
  • دقیقاً یکی از server_url یا connector_id را بگذارید و server_label یکتا انتخاب کنید.
  • توکن OAuth را در هر درخواست در فیلد authorization بفرستید؛ نه در متن prompt و نه در headers.Authorization.
  • با allowed_tools فقط ابزارهای لازم را باز کنید. برای سرورهای بزرگ "defer_loading": true و server_description تأخیر را کم می‌کند.
  • برای نوشتن، پرداخت، ارسال ایمیل و هر تغییر، "require_approval": "always" بگذارید، آیتم mcp_approval_request را به کاربر نشان دهید و با mcp_approval_response و previous_response_id ادامه دهید. وقتی ترتیب مهم است "parallel_tool_calls": false.
  • آیتم‌های mcp_list_tools و mcp_call (با فیلد error) را بررسی کنید، نه فقط output_text.

رفع اشکال

نشانهچه چیزی را بررسی کنید
mcp_list_tools.failedآدرس سرور یا connector_id، توکن OAuth، دسترسی شبکه و نام دقیق ابزارها
mcp_call.errorلاگ سرور MCP و آرگومان‌های ابزار
درخواست تأیید متوقف می‌ماندادامه با previous_response_id و mcp_approval_response
هیچ ابزاری صدا زده نمی‌شودتا آماده شدن فهرست ابزارها از tool_choice: "required" استفاده نکنید
فقط به سرورهای MCP قابل اعتماد (ترجیحاً رسمیِ خود سرویس) وصل شوید. خروجی MCP دادهٔ شخص ثالث است؛ پس از خروج داده از لمورا، سیاست نگه‌داری همان سرویس اعمال می‌شود. پشتیبانی MCP میزبانی‌شده به مدل انتخابی بستگی دارد.

بدون کدنویسی: در لمورا می‌توانید از اتصال‌ها سرویس‌ها و APIهای خودتان را به ایجنت‌ها وصل کنید.

کش پرامپت (Prompt Caching)

وقتی ابتدای پرامپت بین درخواست‌ها یکسان است، ارائه‌دهندهٔ مدل آن بخش را از کش می‌خواند: پاسخ سریع‌تر می‌شود و توکن‌های کش‌شده با تعرفهٔ ارزان‌تر حساب می‌شوند. لمورا این تخفیف را مستقیم در هزینهٔ شما اعمال می‌کند.

ساختار درست پرامپت

  • بخش ثابت (instructions، پیام system، مثال‌ها، تعریف ابزارها، schema خروجی) را اول و بخش متغیر (پیام کاربر، داده‌های بازیابی‌شده، زمان، شناسه‌ها) را آخر بگذارید.
  • تعریف و ترتیب ابزارها، تصاویر (همان bytes و همان detail) و schema را ثابت نگه دارید.
  • کش معمولاً از حدود ۱٬۰۲۴ توکن پیشوند یکسان به بعد فعال می‌شود (بسته به مدل؛ برای برخی مدل‌های Claude و Gemini ۲٬۰۴۸ یا ۴٬۰۹۶).

prompt_cache_key و ماندگاری

pythonresp = client.responses.create(
    model="gpt-4.1",
    instructions="You are the BrightCart support assistant. Follow the fixed policy below...",
    input="Draft a two-sentence reply for ticket ORDER-8831.",
    prompt_cache_key="brightcart-support-policy-v1",   # one stable bucket per workload / tenant / policy
)
print(resp.usage.input_tokens_details.cached_tokens)
  • prompt_cache_key را ثابت و بی‌نام انتخاب کنید (مثل support-policy-v3)؛ ایمیل، شماره یا شناسهٔ کاربر را در آن نگذارید و یک کلید را بیش از حد شلوغ نکنید (حدود ۱۵ درخواست در دقیقه برای هر پیشوند + کلید).
  • prompt_cache_retention (مثلاً "24h") برای مدل‌هایی که پشتیبانی می‌کنند به بالادست فرستاده می‌شود؛ اگر مدل پشتیبانی نکند آن را حذف کنید.
  • کش صریح پشتیبانی نمی‌شود: prompt_cache_options، prompt_cache_breakpoint، cache_control و endpointهای cachedContents را نفرستید. کش ضمنی خودکار است.

سنجش

json"usage": {
  "prompt_tokens": 2006,
  "prompt_tokens_details": {"cached_tokens": 1920, "cache_write_tokens": 0}
}

در /chat/completions مقدار usage.prompt_tokens_details.cached_tokens و در /responses مقدار usage.input_tokens_details.cached_tokens را بررسی کنید. نسبت کش = cached_tokens ÷ توکن ورودی. درخواست اول معمولاً miss است. در خانوادهٔ GPT-5.6 نوشتن کش (cache_write_tokens) گران‌تر از ورودی عادی است و فقط وقتی به‌صرفه است که خواندن‌های بعدی آن را جبران کنند.

کش فقط بهینه‌سازی است، نه حافظهٔ مکالمه: پاسخ هر بار تازه تولید می‌شود، کل توکن‌ها در سقف نرخ شمرده می‌شوند و برنامهٔ شما باید در cache miss هم درست کار کند.

اتصال مستقیم به وردپرس

لمورا از دو طرف به وردپرس وصل می‌شود:

  • لمورا ← وردپرس (کانکتور، مثل MCP): سایت وردپرس خودتان را در اتصال‌ها وصل کنید تا چت و ایجنت‌های لمورا مستقیم در سایت مقاله بنویسند و منتشر کنند، رسانه بارگذاری کنند، دیدگاه‌ها را مدیریت کنند، افزونه فعال کنند و سفارش‌های ووکامرس را ببینند.
  • وردپرس ← لمورا (API): از داخل قالب یا افزونهٔ وردپرس با کلید lsk- به وب‌سرویس هوش مصنوعی لمورا درخواست بفرستید (تولید متن، تصویر، خلاصه، ترجمه، چت‌بات).

۱) اتصال سایت وردپرس به لمورا

  1. در پیشخوان وردپرس به کاربران ← نمایه بروید. در بخش گذرواژه‌های برنامه (Application Passwords) یک نام مثل Lemura بنویسید و «افزودن گذرواژهٔ برنامهٔ جدید» را بزنید. (وردپرس ۵٫۶ به بعد؛ سایت باید HTTPS داشته باشد.)
  2. در لمورا: اتصال‌ها ← اتصال سایت وردپرس. آدرس سایت، نام کاربری و گذرواژهٔ ۲۴ حرفی را وارد کنید و «اتصال و تست» را بزنید.
  3. لمورا REST API سایت (/wp-json/) را بررسی می‌کند، اگر ووکامرس نصب باشد آن را هم تشخیص می‌دهد و ابزارها را می‌سازد. پس از تست موفق، اتصال در چت، ایجنت‌ها و وظایف زمان‌بندی‌شده قابل استفاده است.
گذرواژهٔ برنامه رمزنگاری‌شده در خزانه نگه داشته می‌شود، فقط به دامنهٔ همان سایت فرستاده می‌شود و هیچ‌وقت به مدل نمی‌رسد. هر تغییر (ساخت، ویرایش، حذف، فعال‌سازی) پیش از اجرا در چت از شما تأیید می‌گیرد. برای قطع دسترسی کافی است همان گذرواژه را در وردپرس «باطل» کنید.

ابزارهایی که ساخته می‌شود

بخشکارها
نوشته‌ها و برگه‌هافهرست و جستجو، خواندن، ساخت پیش‌نویس، انتشار یا زمان‌بندی (status=future)، ویرایش، حذف، نسخه‌های قبلی
رسانه‌هابارگذاری از فایل چت/تصویر ساخته‌شده یا از لینک، متن جایگزین (alt)، عنوان، توضیح، تصویر شاخص
دسته‌ها و برچسب‌هافهرست، ساخت، ویرایش، حذف
دیدگاه‌هافهرست، تأیید، نگه‌داشتن، اسپم، پاسخ، حذف
کاربرانفهرست، ساخت، ویرایش نقش و مشخصات
افزونه‌ها و قالب‌هافهرست، نصب از wordpress.org، فعال و غیرفعال کردن
منوها و تنظیماتمنوها و آیتم‌ها، عنوان و شعار سایت، منطقهٔ زمانی، صفحهٔ اصلی
ووکامرسمحصولات (قیمت، موجودی، تخفیف)، سفارش‌ها و تغییر وضعیت، یادداشت سفارش، مشتریان، کد تخفیف، گزارش فروش و پرفروش‌ها
هر مسیر RESTخواندن و نوشتن در مسیرهای سفارشی و افزونه‌ها (مثل نوع‌های نوشتهٔ سفارشی، Yoast، Rank Math)

نمونه درخواست در چت

  • «یک مقالهٔ ۱۲۰۰ کلمه‌ای دربارهٔ نگهداری گیاهان آپارتمانی بنویس، یک تصویر شاخص بساز و به‌صورت پیش‌نویس در سایتم بگذار.»
  • «دیدگاه‌های در انتظار تأیید این هفته را نشانم بده و اسپم‌ها را جدا کن.»
  • «قیمت همهٔ محصولات دستهٔ کفش را ۱۰٪ زیاد کن.» (پیش از اجرا فهرست تغییرات را تأیید می‌کنید)
  • «هر شنبه ساعت ۹ گزارش فروش هفتهٔ قبل ووکامرس را برایم بفرست.» (وظیفهٔ زمان‌بندی‌شده)

رفع اشکال اتصال

نشانهراه‌حل
REST API پیدا نشددر «تنظیمات ← پیوندهای یکتا» حالتی غیر از «ساده» انتخاب کنید؛ افزونهٔ امنیتی (Wordfence، iThemes، WP Hide …) نباید /wp-json/ را ببندد.
401 rest_not_logged_inسرور هدر Authorization را حذف می‌کند. در .htaccess قبل از قواعد وردپرس اضافه کنید: SetEnvIf Authorization "(.*)" HTTP_AUTHORIZATION=$1
بخش گذرواژهٔ برنامه دیده نمی‌شودسایت باید HTTPS باشد یا افزونه‌ای آن را غیرفعال کرده است (مثلاً «Disable Application Passwords»).
403 rest_forbiddenنقش کاربر برای این کار کافی نیست؛ برای افزونه‌ها و تنظیمات، کاربر مدیر لازم است.
Cloudflare / فایروال خطا می‌دهددرخواست‌های لمورا را برای مسیر /wp-json/ مجاز کنید (Bot Fight Mode می‌تواند آن‌ها را مسدود کند).

۲) فراخوانی API لمورا از داخل وردپرس

کلید را از کلیدها و آمار بسازید و در wp-config.php نگه دارید (نه در کد قالب و نه در پایگاه داده‌ای که در دسترس دیگران است):

phpdefine( 'LEMURA_API_KEY', 'lsk-...' );

تابع کمکی (مثلاً در یک افزونهٔ کوچک یا functions.php قالب فرزند):

php<?php
function lemura_chat( $prompt, $model = 'gpt-4.1' ) {
    $res = wp_remote_post( 'https://lemura.ir/wp-json/lemuraai/v1/chat/completions', array(
        'timeout' => 120,
        'headers' => array(
            'Authorization' => 'Bearer ' . LEMURA_API_KEY,
            'Content-Type'  => 'application/json',
        ),
        'body'    => wp_json_encode( array(
            'model'    => $model,
            'messages' => array( array( 'role' => 'user', 'content' => $prompt ) ),
        ) ),
    ) );
    if ( is_wp_error( $res ) ) {
        return $res;
    }
    $code = wp_remote_retrieve_response_code( $res );
    $body = json_decode( wp_remote_retrieve_body( $res ), true );
    if ( 200 !== $code ) {
        return new WP_Error( 'lemura_' . $code, $body['error']['message'] ?? 'Lemura API error' );
    }
    return $body['choices'][0]['message']['content'] ?? '';
}

نمونه: خلاصهٔ خودکار هنگام انتشار نوشته (در پس‌زمینه با WP-Cron تا ذخیرهٔ نوشته کند نشود):

phpadd_action( 'publish_post', function ( $post_id ) {
    if ( ! has_excerpt( $post_id ) ) {
        wp_schedule_single_event( time() + 5, 'lemura_make_excerpt', array( $post_id ) );
    }
} );

add_action( 'lemura_make_excerpt', function ( $post_id ) {
    $text = wp_strip_all_tags( get_post_field( 'post_content', $post_id ) );
    $out  = lemura_chat( "در دو جمله و به فارسی خلاصه کن:\n\n" . mb_substr( $text, 0, 12000 ) );
    if ( ! is_wp_error( $out ) && $out ) {
        wp_update_post( array( 'ID' => $post_id, 'post_excerpt' => $out ) );
    }
} );

تولید تصویر و افزودن به کتابخانهٔ رسانه:

php$res  = wp_remote_post( 'https://lemura.ir/wp-json/lemuraai/v1/images/generations', array(
    'timeout' => 180,
    'headers' => array( 'Authorization' => 'Bearer ' . LEMURA_API_KEY, 'Content-Type' => 'application/json' ),
    'body'    => wp_json_encode( array( 'model' => 'gpt-image-2', 'prompt' => 'A minimal flat illustration of a reading lamp', 'size' => '1024x1024' ) ),
) );
$data = json_decode( wp_remote_retrieve_body( $res ), true );
$b64  = $data['data'][0]['b64_json'] ?? '';
if ( $b64 ) {
    $up = wp_upload_bits( 'lemura-' . time() . '.png', null, base64_decode( $b64 ) );
    // then wp_insert_attachment() + wp_generate_attachment_metadata() as usual
}
  • کلید را هرگز در جاوااسکریپت سمت مرورگر نگذارید؛ درخواست‌ها را از PHP (سرور) بفرستید یا از admin-ajax.php / یک مسیر REST خودتان که کاربر را بررسی می‌کند عبور دهید.
  • برای متن‌های طولانی timeout را بالا ببرید یا از استریم ("stream": true با cURL) استفاده کنید؛ برای کارهای انبوه از صف (WP-Cron یا Action Scheduler) کمک بگیرید.
  • خطاهای 402 یعنی موجودی کیف پول کافی نیست؛ 429 یعنی سقف نرخ — چند ثانیه صبر و دوباره تلاش کنید.
  • افزونه‌های آمادهٔ لمورا (نویسنده، پژوهشگر، دستیار) در اپلیکیشن‌ها و بخش دانلودهای همین صفحه قرار می‌گیرند.

۳) MCP رسمی وردپرس در Responses API

اگر روی سایت خود افزونهٔ MCP وردپرس (مثل MCP Adapter) را نصب کرده‌اید، می‌توانید آن را مستقیم به‌عنوان سرور MCP به مدل بدهید (بخش MCP و کانکتورها):

pythonresp = client.responses.create(
    model="gpt-4.1",
    input="List my five most recent draft posts.",
    tools=[{
        "type": "mcp",
        "server_label": "my_wordpress",
        "server_url": "https://example.com/wp-json/mcp/mcp-adapter-default-server",
        "authorization": "",
        "require_approval": "always",
    }],
)
print(resp.output_text)

برای استفادهٔ بدون کدنویسی همان کانکتور بخش ۱ کافی است و به نصب افزونه روی سایت نیازی ندارد.

اینستاگرام هوشمند و دایرکت هوشمند

با همان کلید lsk- لمورا، پیج اینستاگرام خودتان یا مشتریانتان (به هر تعداد) را از سایت خودتان وصل کنید و همه‌چیز را از درگاه لمورا انجام دهید: دایرکت (متن، تصویر، فایل، کارت، دکمه)، کامنت‌ها (پاسخ، پاسخ خصوصی، پنهان، حذف، روشن/خاموش)، گفتگوها، پست‌ها و استوری‌ها، پروفایل‌ها، وضعیت فالو، سؤال‌های آغازین و منوی ثابت، پاسخ‌گوی هوش مصنوعی لمورا، وبهوک امضاشده روی سایت شما، و تحلیل پیج‌ها. اتصال با API رسمی اینستاگرام و صفحهٔ ورود رسمی خود اینستاگرام انجام می‌شود؛ رمز پیج هیچ‌وقت به شما یا لمورا داده نمی‌شود. همین امکانات بدون کدنویسی در شبکه‌های اجتماعی هم هست.

همهٔ هزینه‌ها از کیف پول حساب صاحب کلید کم می‌شود؛ موجودی را با GET /balance روی سایت خودتان بخوانید. Base URL: https://lemura.ir/wp-json/lemuraai/v1/instagram · هدر: Authorization: Bearer lsk-...

تعرفه و سقف درخواست

هر پیج متصل، روزانه۲۵,۰۰۰ تومان (روز اول هنگام اتصال)
هر پیام ارسالی (متن، تصویر، فایل، کارت، پاسخ کامنت، پاسخ خصوصی، پاسخ هوشمند)۳۰۰ تومان
هر عملیات دیگر پیج (گفتگوها، پیام‌های گفتگو، پست‌ها، استوری‌ها، کامنت‌های پست، پاسخ‌های کامنت، پنهان/حذف/روشن‌خاموش کامنت، پروفایل‌ها، وضعیت فالو، سؤال‌های آغازین، منوی ثابت، آپلود)۱۰۰ تومان
هر درخواست موفق دادهٔ اینستاگرام (/data)۴۰۰ تومان
متن پاسخ هوش مصنوعیبه اندازهٔ مصرف، مثل /chat/completions
رایگانpricing، فهرست و تنظیمات پیج، typing/seen، events، webhook-events، actions، فهرست و مصرف آپلودها
سقف درخواست /instagram/*۶۰۰ در دقیقه و ۲۰۰,۰۰۰ در روز برای هر کلید — جدا از سقف چت (۴۲۹ با Retry-After)
/wp-json/lemuraai/v1/instagram/pricingGET

پاسخ: page_per_day, sent_message, incoming_message, page_action, data_request, balance, rate_limit. اگر موجودی برای هزینهٔ روزانهٔ پیج کافی نباشد پیج متوقف (suspended) و با resume دوباره فعال می‌شود.

قواعد پاسخ‌ها

  • همهٔ پاسخ‌ها "object": "instagram" دارند؛ خطا: {"error": {"message", "type", "code"}}.
  • عملیات ناهمزمان: بعضی خواندن‌ها (گفتگوها، پیام‌های گفتگو، پست‌ها، استوری‌ها، کامنت‌های پست، پاسخ‌های کامنت، پروفایل‌ها، وضعیت فالو) در اینستاگرام چند ثانیه طول می‌کشند. لمورا تا ?wait= ثانیه (پیش‌فرض ۲۰، حداکثر ۲۵) منتظر می‌ماند و نتیجه را مستقیم می‌دهد (۲۰۰). اگر دیرتر شد، ۲۰۲ با request_id برمی‌گردد؛ نتیجه را بعداً با GET …/actions/{request_id} بگیرید یا از وبهوک (event_type: "action.<name>").
json{"object": "instagram", "status": "done", "request_id": "client_ig_…", "action": "conversation_conversations",
 "success": true, "result": {"data": [{"id": "aWdGG…", "updated_time": "2026-11-16T08:10:00+0000"}]}, "error": null}

// 202 — still running
{"object": "instagram", "status": "pending", "request_id": "client_ig_…", "action": "list_posts", "success": null, "result": null, "error": null}
/wp-json/lemuraai/v1/instagram/pages/{id}/actions/{request_id}GET

۱) اتصال پیج (برای خودتان یا هر مشتری)

/wp-json/lemuraai/v1/instagram/connectPOST
bashcurl -X POST https://lemura.ir/wp-json/lemuraai/v1/instagram/connect \
  -H "Authorization: Bearer lsk-..." -H "Content-Type: application/json" \
  -d '{"ref": "customer-42", "return_url": "https://your-site.com/instagram/done"}'
json{"object": "instagram", "state": "lm8f2c…", "connect_url": "https://…/instagram-oauth?token=…&id=lm8f2c…", "expires_in": 1800}

کاربر را به connect_url بفرستید (لینک ۳۰ دقیقه اعتبار دارد). بعد از تأیید در اینستاگرام به return_url برمی‌گردد: ?status=success&page_id=17&username=shop.name&ref=customer-42&state=lm8f2c… (یا status=failed&message=…). اگر برگشت انجام نشد وضعیت را بپرسید:

/wp-json/lemuraai/v1/instagram/connect/{state}GET

{"status": "pending"} یا {"status": "connected", "page": {…}}. پیج باید حرفه‌ای (Business یا Creator) باشد؛ هنگام اتصال هزینهٔ روز اول کسر می‌شود.

۲) پیج‌ها و پاسخ‌گوی هوش مصنوعی

/wp-json/lemuraai/v1/instagram/pages?ref=customer-42GET
/wp-json/lemuraai/v1/instagram/pages/{id}GET
/wp-json/lemuraai/v1/instagram/pages/{id}PATCH
/wp-json/lemuraai/v1/instagram/pages/{id}/pausePOST
/wp-json/lemuraai/v1/instagram/pages/{id}/resumePOST
/wp-json/lemuraai/v1/instagram/pages/{id}DELETE
json{"object": "instagram", "page": {
  "id": 17, "network": "instagram", "username": "shop.name", "instagram_user_id": "1784…", "photo": "https://…",
  "status": "active", "ref": "customer-42", "webhook_url": "https://your-site.com/lemura/hook", "webhook_secret": "lwh_…",
  "ai": {"enabled": true, "model": "", "instructions": "…", "knowledge": "…", "comment_mode": "both", "welcome": "…"},
  "paid_until": "2026-11-17T08:00:00", "created_at": "…",
  "connection": {"active": true, "login_expires_at": "2027-01-10T19:49:40Z"},
  "stats_30d": {"incoming": 120, "replies": 98, "cost": 54000}}}

status: active · paused · suspended (موجودی). connection.login_expires_at: بعد از این تاریخ صاحب پیج باید دوباره وصل کند (همان connect).

bashcurl -X PATCH https://lemura.ir/wp-json/lemuraai/v1/instagram/pages/17 -H "Authorization: Bearer lsk-..." -H "Content-Type: application/json" -d '{
  "ai": {"enabled": true, "instructions": "صمیمی و کوتاه جواب بده", "knowledge": "محصولات و قیمت‌ها …",
         "comment_mode": "both", "welcome": "جزئیات را در دایرکت فرستادیم 🌸", "model": ""},
  "webhook_url": "https://your-site.com/lemura/hook", "ref": "customer-42"}'
فیلدتوضیح
ai.enabledپاسخ خودکار هوش مصنوعی لمورا به دایرکت‌ها. false + comment_mode=off یعنی لمورا هیچ پیام، typing یا پاسخی خودکار نمی‌فرستد و همه‌چیز دست سایت شماست.
ai.instructions / ai.knowledgeلحن و قوانین / اطلاعات کسب‌وکار (تا ۳۰ هزار کاراکتر)
ai.comment_modeoff · public (پاسخ زیر کامنت) · private (دایرکت به کامنت‌گذار) · both
ai.welcomeمتن ثابت دایرکت به کامنت‌گذار (خالی = متن هوشمند)
ai.modelمدل دلخواه از GET /models (خالی = پیش‌فرض)
webhook_urlآدرس https سایت شما برای همهٔ رویدادهای پیج؛ پاسخ شامل webhook_secret است

۳) پیام‌ها

/wp-json/lemuraai/v1/instagram/pages/{id}/messagesPOST
نوعبدنه (همه با recipient_id و reply_to اختیاری = mid پیام)
متن{"text": "…", "buttons": [{"type": "postback", "title": "…", "payload": "…"}, {"type": "web_url", "title": "…", "url": "https://…"}], "quick_replies": [{"content_type": "text", "title": "…", "payload": "…"}]} — حداکثر ۳ دکمه
تصویر{"image_url": "https://…"} یا {"image_urls": ["…", "…"]} (تا ۱۰، PNG/JPEG تا ۸MB)
فایل{"attachment": {"type": "audio|video|file", "url": "https://…"}} (تا ۲۵MB؛ file فقط PDF)
کارت‌ها{"cards": [{"title": "…", "subtitle": "…", "image_url": "https://…", "default_action": {"type": "web_url", "url": "…"}, "buttons": […]}]} (تا ۱۰ کارت)
bashcurl -X POST https://lemura.ir/wp-json/lemuraai/v1/instagram/pages/17/messages -H "Authorization: Bearer lsk-..." -H "Content-Type: application/json" \
  -d '{"recipient_id": "1234567890", "text": "سفارش شما ارسال شد ✅", "reply_to": "aWdf…",
       "buttons": [{"type": "web_url", "title": "پیگیری", "url": "https://your-site.com/track/55"}]}'
json{"object": "instagram", "sent": true, "cost": 300}

recipient_id همان sender.id رویداد دریافتی است. طبق قوانین اینستاگرام فقط به کسی پیام می‌دهید که قبلاً به پیج پیام داده یا کامنت گذاشته است (پیام انبوه ممنوع).

/wp-json/lemuraai/v1/instagram/pages/{id}/typingPOST

{"recipient_id": "…", "action": "typing_on | typing_off | mark_seen"}

/wp-json/lemuraai/v1/instagram/pages/{id}/ai-replyPOST

هوش مصنوعی لمورا با تنظیمات همان پیج جواب می‌دهد و ارسال می‌کند: {"recipient_id": "…", "text": "قیمت مدل A چنده؟"}

/wp-json/lemuraai/v1/instagram/pages/{id}/conversations?user_id=GET
/wp-json/lemuraai/v1/instagram/pages/{id}/conversations/{conversation_id}/messagesGET
json// conversations → result.data
[{"id": "aWdGG…", "updated_time": "2026-11-16T08:10:00+0000"}]
// messages → result.messages.data
[{"id": "aWdf…", "created_time": "…", "from": {"id": "…", "username": "ali"}, "to": {"data": [{"id": "…", "username": "shop.name"}]}, "message": "سلام"}]

۴) پست‌ها، استوری‌ها و کامنت‌ها

/wp-json/lemuraai/v1/instagram/pages/{id}/posts?limit=10&fields=id,media_type,media_url,permalink,caption,timestamp,like_count,comments_countGET
/wp-json/lemuraai/v1/instagram/pages/{id}/stories?limit=25GET
/wp-json/lemuraai/v1/instagram/pages/{id}/posts/{media_id}/comments?limit=25&after=GET
/wp-json/lemuraai/v1/instagram/pages/{id}/posts/{media_id}/comments-enabledPOST
/wp-json/lemuraai/v1/instagram/pages/{id}/comments/{comment_id}/repliesGET
/wp-json/lemuraai/v1/instagram/pages/{id}/comments/{comment_id}/replyPOST
/wp-json/lemuraai/v1/instagram/pages/{id}/comments/{comment_id}/hidePOST
/wp-json/lemuraai/v1/instagram/pages/{id}/comments/{comment_id}DELETE
  • comments-enabled: {"enabled": false}
  • reply: {"text": "…", "private": false}؛ با "private": true دایرکت خصوصی به کامنت‌گذار (فقط تا ۷ روز بعد از کامنت و فقط برای شروع گفتگو) و با buttons / quick_replies. سقف ۷۵۰ پاسخ کامنت در ساعت برای هر پیج.
  • hide: {"hide": true} پنهان، false نمایش دوباره.
  • کامنت‌ها: result.data = [{"id", "text", "username", "timestamp", …}] و برای صفحهٔ بعد after از result.paging.cursors.after.

۵) پروفایل‌ها و فالو

/wp-json/lemuraai/v1/instagram/pages/{id}/profileGET
/wp-json/lemuraai/v1/instagram/pages/{id}/users/{igsid}/profileGET
/wp-json/lemuraai/v1/instagram/pages/{id}/users/{igsid}/follow-statusGET

پیج: {"username", "biography", "followers_count", "media_count", "profile_picture_url"} · مخاطب (فقط کسی که پیام یا کامنت داده): {"username", "name", "profile_pic"} · فالو: result.follow (true/false) — مناسب «شرط فالو».

۶) سؤال‌های آغازین و منوی ثابت

/wp-json/lemuraai/v1/instagram/pages/{id}/ice-breakersGET
/wp-json/lemuraai/v1/instagram/pages/{id}/ice-breakersPUT
/wp-json/lemuraai/v1/instagram/pages/{id}/ice-breakersDELETE
json{"ice_breakers": [{"locale": "default", "call_to_actions": [{"question": "ساعت کاری؟", "payload": "HOURS"}, {"question": "آدرس؟", "payload": "LOCATION"}]},
                  {"locale": "en_US", "call_to_actions": [{"question": "What are your hours?", "payload": "HOURS"}]}]}
/wp-json/lemuraai/v1/instagram/pages/{id}/persistent-menuGET
/wp-json/lemuraai/v1/instagram/pages/{id}/persistent-menuPUT
/wp-json/lemuraai/v1/instagram/pages/{id}/persistent-menuDELETE
json{"persistent_menu": [{"locale": "default", "call_to_actions": [
  {"type": "postback", "title": "پشتیبانی", "payload": "CARE_HELP"}, {"type": "web_url", "title": "سایت", "url": "https://your-site.com/"}]}]}

کلیک کاربر روی سؤال یا دکمهٔ postback به‌صورت رویداد messaging_postbacks به وبهوک شما می‌رسد (postback.payload).

۷) فایل برای ارسال

/wp-json/lemuraai/v1/instagram/pages/{id}/uploadsPOST
/wp-json/lemuraai/v1/instagram/pages/{id}/uploadsGET
/wp-json/lemuraai/v1/instagram/pages/{id}/uploads/{file_id}DELETE
/wp-json/lemuraai/v1/instagram/pages/{id}/uploads/usageGET
bashcurl -X POST https://lemura.ir/wp-json/lemuraai/v1/instagram/pages/17/uploads -H "Authorization: Bearer lsk-..." -F "file=@catalog.pdf"

پاسخ: {"file": {"id", "url", "name", "size", "type", "created_at"}} — url را در پیام تصویر یا فایل بفرستید. تا ۲۵MB؛ فقط فایل‌های همین پیج دیده و حذف می‌شوند.

۸) وبهوک روی سایت شما

با تنظیم webhook_url، همهٔ رویدادهای پیج با POST به سایت شما فرستاده می‌شود (تا ۳ بار تلاش): messaging (همراه پیام‌های خود پیج با is_echo، تصویر، استوری، ریلز)، messaging_postbacks، comments، mentions، و نتیجهٔ عملیات ناهمزمان action.<name> (مثل action.list_posts، action.send_message) با data = {request, success, result, error}.

json{"seq": 1532, "page_id": 17, "ref": "customer-42", "event_type": "messaging", "event_id": "client_ig_…",
 "data": {"messaging": [{"sender": {"id": "1234567890"}, "recipient": {"id": "1784…"}, "timestamp": 1792344002389,
                        "message": {"mid": "aWdf…", "text": "سلام"}}]}}

شکل data همان رویداد اینستاگرام است و گاهی به‌جای آرایهٔ messaging یک شیء تکی (data.sender, data.message) است؛ هر دو را بپذیرید. event_id برای حذف تکراری‌ها و seq شمارهٔ ترتیبی رویدادهای همین پیج است.

امضا: هدرهای X-Lemura-Signature: sha256=…، X-Lemura-Timestamp و X-Lemura-Event-Id؛ مقدار = HMAC-SHA256 رشتهٔ "{timestamp}.{raw_body}" با webhook_secret پیج.

php$raw = file_get_contents('php://input');
$ts  = $_SERVER['HTTP_X_LEMURA_TIMESTAMP'] ?? '';
$sig = str_replace('sha256=', '', $_SERVER['HTTP_X_LEMURA_SIGNATURE'] ?? '');
$ok  = abs(time() - (int)$ts) < 300 && hash_equals(hash_hmac('sha256', $ts . '.' . $raw, WEBHOOK_SECRET), $sig);
if (!$ok) { http_response_code(401); exit; }
$event = json_decode($raw, true);   // سریع 200 برگردانید و کار سنگین را بعداً انجام دهید

جبران رویدادهای از دست رفته

/wp-json/lemuraai/v1/instagram/pages/{id}/webhook-events?after=0&limit=100GET

همان پاکت‌های وبهوک به ترتیب seq (تا ۱۴ روز اخیر) به‌علاوهٔ delivered و created_at؛ پاسخ next_after را برای صفحهٔ بعد بفرستید. اگر سایتتان مدتی پایین بود یا وبهوک تنظیم نکرده‌اید، با همین endpoint همه‌چیز را بخوانید.

/wp-json/lemuraai/v1/instagram/pages/{id}/events?limit=50&peer=GET

گزارش خلاصهٔ پیام‌ها، کامنت‌ها و پاسخ‌های لمورا با هزینهٔ هر کدام.

۹) تحلیل پیج و دادهٔ اینستاگرام

/wp-json/lemuraai/v1/instagram/analyzePOST
bashcurl -X POST https://lemura.ir/wp-json/lemuraai/v1/instagram/analyze -H "Authorization: Bearer lsk-..." -H "Content-Type: application/json" -d '{"username": "nike", "ai": true}'

خروجی: followers, following, posts_count, avg_likes, avg_comments, engagement_rate, posts_per_week, video_share, recent_posts, ai_review, cost.

/wp-json/lemuraai/v1/instagram/data/{category}/{action}POST

دادهٔ عمومی هر حساب اینستاگرام؛ پاسخ {"data": …, "cost": 400}.

بخشendpointها (فیلدها)
userget_info_by_username (username), get_info_by_id (id), get_web_profile_info (username), get_media (id, count≤12, max_id), get_media_by_username (username, count), get_clips (id, count), get_guides (id), get_tags (id, count), get_followers (id, count≤50, max_id, query), get_following (id, count), get_stories (ids[]), get_highlights (id), get_live (id), get_similar_accounts (id), search (query), get_about (id)
mediaget_info (id), get_info_by_shortcode (shortcode), get_comments (id, min_id, can_support_threading), get_likes_by_shortcode (shortcode), get_id_by_shortcode (shortcode), get_shortcode_by_id (id), search_clips (query)
hashtagget_info (name), get_media (name, tab=recent|clips, page, max_id), search (query)
location · guide · highlight · comment · audiolocation/get_info (id), location/get_media (id), location/search (query) · guide/get_info (id) · highlight/get_stories (ids[]) · comment/get_likes (id), comment/get_replies (id, media_id) · audio/get_media (id), audio/search (query)

صفحه‌بندی: ورودی max_id از next_max_id پاسخ قبلی (کامنت‌ها: min_id از next_min_id).

خطاها

400 missing_field / bad_field / upstream_errorورودی ناقص یا نامعتبر، یا اینستاگرام درخواست را نپذیرفت (متن خطا در message)
401کلید API نامعتبر
402 insufficient_balanceموجودی کیف پول کافی نیست
404 not_foundپیج، درخواست یا فایل متعلق به این حساب نیست، یا حساب اینستاگرام پیدا نشد
409 page_inactiveپیج متوقف است؛ resume کنید
410 state_expiredلینک اتصال منقضی شده؛ دوباره connect
429سقف درخواست /instagram/*؛ بعد از Retry-After ثانیه
502 / 503اینستاگرام موقتاً پاسخ نداد، ظرفیت اتصال موقتاً پر است (no_slot) یا سرویس غیرفعال است؛ کمی بعد تلاش کنید

ابزارهای پلتفرم (وب‌سرویس ابزارها)

همهٔ ابزارهای هوش مصنوعی لمورا با همین کلید و همین کیف پول به‌صورت API مستقیم در دسترس است: POST https://lemura.ir/public/v1/tools/<tool_id>. مستندات کامل هر ابزار (پارامترها، نمونه و تعرفه) در وب‌سرویس ابزارها است؛ این فهرست از همان منبع ساخته می‌شود.

صوت

حذف نویز صدا
audio_denoise
حذف نویز و صدای مزاحم از فایل صوتی~260 ت
جداسازی صدای خواننده و موسیقی (میزبانی لمورا)
local_audio_stems
جداسازی صدای خواننده، موسیقی بی‌کلام، درامز و بیس~0 ت
ساخت موسیقی (میزبانی لمورا)
local_music_gen
ساخت موسیقی بی‌کلام از روی توضیح~0 ت
تبدیل صوت و ویدیوی طولانی به متن (میزبانی لمورا)
local_speech_to_text
تبدیل صوت و ویدیوی طولانی فارسی و انگلیسی به متن و SRT~0 ت
تبدیل متن فارسی به گفتار (میزبانی لمورا)
local_tts_fa
تبدیل متن فارسی به گفتار طبیعی~0 ت
تبدیل گفتار به متن
speech_to_text
تبدیل فایل صوتی و ویدیویی به متن و زیرنویس~800 ت
تبدیل متن به گفتار
text_to_speech
خواندن متن با صدای طبیعی فارسی و انگلیسی (MP3)~160 ت

کد

مفسر کد پایتون
code_interpreter
اجرای کد پایتون برای محاسبه، تحلیل داده و تبدیل فایل~115 ت

تولید اسناد

تولید سند Word
docx_generate
ساخت سند Word (نامه، گزارش، قرارداد، رزومه) یا پر کردن قالب Word~270 ت
تولید PDF
pdf_generate
تبدیل متن و HTML به PDF زیبا با فونت فارسی (فاکتور، گواهی، گزارش)~270 ت
ابزارهای PDF
pdf_tools
ادغام، جداسازی، چرخش، واترمارک و تبدیل صفحات PDF~165 ت
تولید پاورپوینت
pptx_generate
ساخت ارائهٔ پاورپوینت با اسلاید، تم، یادداشت و تصویر — فارسی و راست‌به‌چپ~320 ت
ساخت QR کد
qrcode_generate
ساخت کیو‌آر کد برای لینک، متن، وای‌فای یا کارت ویزیت~35 ت
تولید اکسل
xlsx_generate
ساخت فایل اکسل با چند شیت، فرمول و نمودار~220 ت

مالی

بازار رمزارز
crypto_market
قیمت لحظه‌ای و نمودار ارزهای دیجیتال از صرافی‌های معتبر~65 ت
بازار سهام و تحلیل تکنیکال
stock_market
قیمت سهام، طلا و ارز به‌همراه تحلیل تکنیکال و نمودار~65 ت

تصویر

ویرایش تصویر
image_edit
تغییر اندازه، برش، چرخش، فیلتر، واترمارک و تبدیل فرمت عکس~68 ت
تصویرسازی انیمه (میزبانی لمورا)
local_image_anime
تصویرسازی انیمه روی سرور اختصاصی لمورا~0 ت
تولید تصویر SDXL (میزبانی لمورا)
local_image_sdxl
تولید تصویر SDXL روی سرور اختصاصی لمورا~0 ت
حذف پس‌زمینه تصویر
remove_background
حذف پس‌زمینهٔ عکس و ساخت PNG شفاف~330 ت

پردازش زبان

تحلیل متن (spaCy + fastText)
nlp_analyze
تشخیص زبان و استخراج نام اشخاص، مکان‌ها و سازمان‌ها~45 ت
پردازش زبان فارسی (Hazm)
persian_nlp
نرمال‌سازی و تحلیل متن فارسی (نیم‌فاصله، ریشه‌یابی، جمله‌بندی)~45 ت
خلاصه‌سازی و تحلیل احساس
text_summarize
خلاصه‌سازی متن‌های طولانی و تحلیل احساس نظرات~76 ت

پردازش فایل

فشرده‌سازی و استخراج آرشیو
archive_tools
ساخت و باز کردن فایل‌های فشردهٔ zip و 7z~90 ت
استخراج محتوای اصلی صفحه وب
html_extract
خواندن متن اصلی یک صفحهٔ وب یا مقاله~65 ت
تشخیص متن از تصویر (OCR)
ocr_image
خواندن متن فارسی و انگلیسی از عکس و PDF اسکن‌شده~550 ت
استخراج متن و جدول PDF
pdf_extract
استخراج متن و جدول‌های فایل PDF~180 ت

پایگاه دانش (RAG)

ساخت پایگاه دانش (RAG)
knowledge_index
ساخت پایگاه دانش اختصاصی از فایل‌ها و صفحات شما~250 ت
جستجو در پایگاه دانش
knowledge_search
پرسش و جستجو در پایگاه دانش اختصاصی شما~35 ت

ویدیو و انیمیشن

انیمیشن سفارشی با کد React
animation_code
ساخت انیمیشن کاملاً سفارشی با کد React (Remotion)~3,000 ت
ساخت انیمیشن و موشن‌گرافیک
animation_render
ساخت ویدیو و موشن‌گرافیک با صحنه، متن فارسی، نمودار، موسیقی و ترنزیشن~2,400 ت
ترجمه و زیرنویس فارسی ویدیو (میزبانی لمورا)
local_video_subtitle
ترجمه و زیرنویس فارسی ویدیو روی سرور اختصاصی لمورا~0 ت

مصورسازی و داده

ساخت نمودار
chart_generate
ساخت نمودار میله‌ای، خطی، دایره‌ای و ... از داده‌ها~68 ت
تولید دادهٔ آزمایشی
fake_data
تولید دادهٔ آزمایشی واقعی‌نما (نام، شماره، آدرس، ...)~35 ت

وب

مرورگر هدلس
browser_render
باز کردن سایت در مرورگر واقعی و گرفتن اسکرین‌شات یا PDF~260 ت
استخراج داده از وب (Scraper)
web_scrape
استخراج متن، لینک، جدول و اطلاعات از صفحات وب~55 ت